skripsi - core.ac.uk · kutipan dan daftar pustaka. ... buat kakak dan adik saya, zainal muttaqin...
TRANSCRIPT
i
SKRIPSI
ANALISIS YANG MEMPENGARUHI KETIDAKSTABILAN HARGA PANGAN (VOLATILE FOOD) DI SULAWESI
SELATAN PERIODE 2011- 2017
PUTRI REZKY INDRIA
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS HASANUDDIN MAKASSAR
2017
ii
SKRIPSI
ANALISIS YANG MEMPENGARUHI KETIDAKSTABILAN HARGA PANGAN (VOLATILE FOOD) DI SULAWESI
SELATAN PERIODE 2011- 2017
sebagai salah satu persyaratan untuk memperoleh
gelar Sarjana Ekonomi
disusun dan diajukan oleh
PUTRI REZKY INDRIA
A111 13 313
kepada
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS HASANUDDIN MAKASSAR
2017
iii
SKRIPSI
ANALISIS YANG MEMPENGARUHI KETIDAKSTABILAN HARGA PANGAN (VOLATILE FOOD) DI SULAWESI
SELATAN PERIODE 2011- 2017
disusun dan diajukan oleh
PUTRI REZKY INDRIA A11113313
Telah dipertahankan dalam sidang ujian skripsi
Makassar, 14 November 2017
Pembimbing I Pembimbing II Dr. Anas Iswanto Anwar, S.E., MA Dr. Hj. Sri Undai Nurbayani, SE.,
NIP 19630516 199003 1 001 NIP 19660811 199103 2 001
Ketua Departemen Ilmu Ekonomi Fakultas Ekonomi dan Bisnis
Universitas Hasanuddin
Drs. Muhammad Yusri Zamhuri, M.A., Ph.D. NIP 196108061989031004
iv
SKRIPSI
ANALISIS YANG MEMPENGARUHI KETIDAKSTABILAN HARGA PANGAN (VOLATILE FOOD) DI SULAWESI
SELATAN PERIODE 2011- 2017
disusun dan diajukan oleh
PUTRI REZKY INDRIA A11113313
telah dipertahankan dalam sidang ujian skripsi
pada tanggal 14 November 2017 dan
dinyatakan telah memenuhi syarat kelulusan
Menyetujui,
Panitia Penguji
No. Nama Penguji Jabatan Tanda
Tangan
1. Dr. Anas Iswanto Anwar, S.E., MA Ketua 1.....................
2. Dr. Hj. Sri Undai Nurbayani, SE., M.Si. Sekretaris 2.....................
3. Dr. Sultan Suhab, SE., M.Si Anggota 3.....................
4. Dr.Nur Dwiana Sari Saudi, SE.,M.Si Anggota 4.....................
5. Suharwan Hamzah, SE., M.Si Anggota 5.....................
Ketua Departemen Ilmu Ekonomi Fakultas Ekonomi dan Bisnis
Universitas Hasanuddin
Drs. Muhammad Yusri Zamhuri, M.A., Ph.D NIP 19610806 198903 1 004
v
PERNYATAAN KEASLIAN
Saya yang bertanda tangan dibawah ini,
Nama : PUTRI REZKY INDRIA
NIM : A 111 13 313
Jurusan/program studi : ILMU EKONOMI / STRATA 1
dengan ini menyatakan dengan sebenar-benarnya bahwa skripsi yang berjudul
ANALISIS YANG MEMPENGARUHI KETIDAKSTABILAN HARGA BAHAN PANGAN (VOLATILE FOOD) DI SULAWESI SELATAN
PERIODE 2011- 2017
adalah karya ilmiah saya sendiri dan sepanjang pengetahuan saya di dalam
naskah skripsi ini tidak terdapat karya ilmiah yang pernah diajukan oleh orang
lain untuk memperoleh gelar akademik di suatu perguruan tinggi, dan tidak
terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain,
kecuali secara tertulis dikutip dalam naskah ini dan disebutkan dalam sumber
kutipan dan daftar pustaka.
Apabila di kemudian hari ternyata di dalam naskah skripsi ini dapat dibuktikan
terdapat unsur-unsur jiplakan, saya bersedia menerima sanksi atas perbuatan
tersebut dan diproses sesuai dengan peraturan perundang-undangan yang
berlaku (UU No. 20 Tahun 2003, pasal 25 ayat 2 dan pasal 70).
Makassar, 14 November 2017
Yang membuat pernyataan,
PUTRI REZKY INDRIA
vi
PRAKATA
Bismillahirrahmanirrahim
Alhamdulillahi rabbil ‘alamin, segala puji dan syukur peneliti panjatkan
kepada Allah SWT atas berkah, kesehatan dan karunia-Nya sehingga peneliti
dapat menyelesaikan skripsi yang berjudul “Analisis yang Mempengaruhi
Ketidakstabilan Harga Pangan (Volatile food) di Sulawesi Selatan Periode 2011-
2017”. Skripsi ini merupakan salah satu tugas dan persyaratan yang harus
dipenuhi dalam menyelesaikan pendidikan pada jenjang Strata Satu (S1) di
Departemen Ilmu Ekonomi Fakultas Ekonomi dan Bisnis Universitas
Hasanuddin.
Selama proses penyusunan skripsi ini, peneliti menemui hambatan namun
banyak mendapat bimbingan, arahan, bantuan, serta dukungan dari berbagai
pihak. Maka pada kesempatan ini peneliti ingin mengucapkan banyak terima
kasih yang sebesar-besarnya kepada:
1. Kedua orang tua saya, mami tercinta Indahriani dan Ayah tersayang
Bahar Mattaliu,SE.,M.Si yang telah mendidik dan selalu memberikan
dorongan semangat, nasehat dan do’a yang tiada hentinya untuk
mendukung kesuksesan anaknya hingga dapat menyelesaikan studi ini.
Terima kasih telah melahirkan dan membesarkan saya. Terkadang
keegoisan anakmu ini membuat air mata kalian menetes, maafkan saya
mami ayah. Saya janji untuk membuat kalian bangga, membuat kalian
tersenyum, dan tidak akan mengecewakan kalian, karena kalian adalah
bagian yang sangat sangat saya syukuri untuk saya miliki di dunia ini,
apalagi memiliki mami yang jago masak apa saja, dan ayah yang jago
vii
bujuk anaknya kalau lagi ngambek. I Love you so much mami...ayah...
2. Bapak Dr. Anas Iswanto Anwar, S.E., MA selaku dosen pembimbing
peneliti saya yang sangat sangat bersahabat namun sangat saya
hormati, terima kasih sebesar-besarnya telah memberikan motivasi,
teguran, hingga bimbingan kepada peneliti hingga peneliti mampu
menyelesaikan studi ini, dan kepada Ibu Dr. Hj. Sri Undai Nurbayani,
SE.,M.Si selaku dosen pembimbing peneliti yang sangat saya hormati
dan cintai , terima kasih telah banyak meluangkan waktu dengan penuh
kesabaran memberikan motivasi, arahan, serta bimbingan dari awal
hingga peneliti menyelesaikan skripsi ini.
3. Dr. Sultan Suhab, SE., M.Si, Dr.Nur Dwiana Sari Saudi, SE.,M.Si,
Suharwan Hamzah, SE., M.Si selaku tim penguji tidak hanya menguji
tetapi juga memberikan arahan khususnya dalam proses penyelesaian
skripsi ini dan juga memberikan motivasi agar tak bosan untuk tetap
memperkaya ilmu.
4. Bapak Drs. Muhammad Yusri Zamhuri, MA, Ph.D., selaku Ketua
Departemen Ilmu Ekonomi Fakultas Ekonomi dan Bisnis Universitas
Hasanuddin, Bapak Dr. Ir. Muhammad Jibril Tajibu, SE., M.Si. selaku
Sekretaris Departemen Ilmu Ekonomi serta bapak Dr. Paulus Uppun.,
MA. Selaku Penasehat Akademik saya. Terima kasih atas segala
bantuannya sehingga saya dapat menyelesaikan studi di Departemen
Ilmu Ekonomi.
5. Pimpinan Fakultas Ekonomi dan Bisnis Universitas Hasanuddin beserta
jajarannya, semoga tetap menjadi sahabat bagi mahasiswa Fakultas
Ekonomi dan Bisnis.
viii
6. Bapak-Ibu Dosen Fakultas Ekonomi dan Bisnis Universitas Hasanuddin
yang selama ini telah memberikan ilmunya terkhusus kepada peneliti.
Peneliti mengucapkan terima kasih yang sebesar-besarnya atas
bimbingan dan didikannya selama ini.
7. Para pegawai Departemen Ilmu Ekonomi terkhusus untuk Bapak Aspar
yang selalu sabar menghadapi segala macam keluhan dan kecerewetan
saya, dan untuk pegawai akademik Fakultas Ekonomi diantaranya: Pak
Bur, pak sapar, pak budi dan seluruh staff lainnya yang telah membantu
peneliti dalam kelancaran urusan akademik.
8. Kepala Badan Pusat Statistik Sulawesi Selatan yang telah memberikan
izin penelitian sehingga skripsi dapat terselesaikan.
9. Buat kakak dan adik saya, Zainal Muttaqin Afandi said, Reza Pahlevi
said, dan Mudfitha Hujana Said yang selalu menghibur walaupun
kadang menjengkelkan ,tapi lebih banyak menjengkelkannya. Terima
kasih dukungannya, buat kak fandi dan kak eca terima kasih sudah
menjadi kakak yang selalu memberi semangat, buat pitto ular terima
kasih sudah menjadi adik yang ngeselin tapi ngangenin, ngangenin buat
di jitak kepalanya.
10. Buat Angga si Beruangcuu yang unchh unchhh, yang selalu siap buat
direpotin, yang selalu ada tapi lebih banyak magernya, yang selalu setia
temani chat kalau lagi begadang ngetik skripsweet, walaupun kadang
piyud yang sering ketiduran, maafkan. Terima kasih untuk waktumu
yang kau luangkan, terima kasih buat printermu yang jadi penyelamat
saat krisis dompet melanda, terima kasih jadi bagian terpenting saat ini
dan InsyAllah sampai kapanpun, Amin.
ix
11. Buat Sista-Sista gengs Wattunami, Ambar manusia paling nda pernah
sedih (keliatannya) selalu ketawa, fans girl sun4finger xxxibgdrgn. Septi
bin asep pedagang muda ehh pengusaha muda ownernya sep.shop,
yang selalu galau tapi sok tegar. Imachun my partner dance yang bisa
diajak malu-maluin bareng, bikin video nda jelas, beli atribut bareng,
bareng-bareng juga ilangnya. Mini anak TK tapi maksa jadi mahasiswi,
paling kecil tapi anunya tidakji, semangatnya maksudnya. Fani anggota
intel sista-sista, segala macam berita dari sabang sampai marauke dia
tau, jago toh. Kikio cewek paling saya suka ketawanya, kayak ada geli-
gelinya gitu, ada bakatnya jadi pelawak tapi dia pilih pendamki, dia lebih
pilih jadi penjaga ponakannya yang baru lahir. Merlyn cerewet ,anggota
intel kedua, berharap dapat jodoh secepatnya. Munkee pengusaha
pulsa andalancuu bisa ngutang sampe mu punya cucu, paling bersih
paling lama kalau makan, paling suka tinggal dikosannya saja. Izza bin
ijah cewek tapi jiwa cowok, paling nyakko kalau menasehati, tapi untuk
kepentingan bangsa dan negara, maumi dilamar, tapi tidak tau sama
siapa. Ayu mams paling termuda di sista-sista tapi paling cepat sarjana,
sekarang sudah ambil S2nya di jogja, paling gigih kejar ilmu, manusia
jeko kah ayu ?. Tifa miss sleeping beauty, pakar kecantikan, duta brand
kosmetik terkenal, anak gawll hits kendari. Putri nak gowa yang rindu
kampung halaman, jarang pulang demi masa depan yang gemilang,
jago ngegambar, jago matematika, tapi hal cinta bukan keahliannya.
Nanda cewek imut hits medsos, biar pake baju warna seterang apapun
tetap imut. Ida baby girl spark, paling kecil suaranya, paling sopan kalau
bicara, pemalu tapi kadang malu-maluin ji juga. Muthya paling jago
nyanyi, baperan kadang juga laperan, bolla matanya tapi cantik tawwa.
x
Terima Kasih Sista-sista buat segala dukungannya, segala nasehat,
segala hiburan, dan segala coklat yang kalian berikan.
12. Kepada seluruh teman-teman Spark, teriama kasih telah mensuport,
membantu dengan menyampaikan informasi-informasi yang dibutuhkan,
semoga Spark13 cepat sarjana, cepat dapat kerja sesuai dengan yang
diinginkan, dan cepat dapat pasangan hidup dan hidup bahagia, Amin.
13. Buat sahabat terpakbal tapi ngangenin Rani dan juga Dian yang telah
duluan sarjana, maaf saya lupa titlenya kalian. Yang selalu bertanya
kapan selesei revisiku, kapan ujianku, kapan wisudaku, Alhamdulillah
terjawabmi pertanyaannya kalian toh. Terima kasih sudah menjadi
orang-orang terdekatku yang malu-maluin, orang-orangan sawah ehh
orang-orang yang tidak pernah bilang tidak kalau mintaka bantuan,
thanks for everyting.
14. Kepada seluruh keluarga tercinta, baik dari keluarga ayah maupun
keluarga dari mami, tante-tante dan juga om-om ku sekalian
terkhususnya Ayah Basmi dan Mami Moon, Tante Ita dan Om Ridwan,
Puang Bulang dan Puang Adi, Puang Mule dan Puang Rauf. terima
kasih atas doa yang kalian panjatkan, dan buat sepupu-sepupu
terkhususnya partner jokka partner dance andalancuu Iyan yang lebih
dikenal dengan nama Raryrauf dan juga kace andalan yang jago sekali
masak kak Nila, terimakasih atas dukungannya selama ini..
15. Kakak-kakak angkatan 2012, 2011, 2010, 2009, 2008, dan 2007,
terkhusus untuk Kak Dilfira Nurfitri, yang telah sabar dan selalu
membantu peneliti dalam penyelesaian skripsi sampai-sampai harus
nginap dirumanya buat belajar, serta adik-adik angkatan 2014, 2015,
dan 2016 yang telah memberikan dorongan serta dukungan kepada
peneliti selama menyelesaikan perkuliahan.
xi
16. Dan yang terakhir buat mace Mala dan sejajarannya, terima kasih telah
melengkapi sarapan pagi, makan siang, dan kadang makan soreku
dengan makanan yang nyamanna bukan main. Bisa lagi ngutang tapi
tidak pernah jeka ngutang di kita Ma’. Semoga selaluki sukses Ma’.
Peneliti menyadari bahwa skripsi ini masih jauh dari kesempurnaan. Oleh
karena itu, kritik dan saran yang bersifat membangun dari semua pihak sangat
peneliti harapkan demi tercapainya penulisan yang lebih baik. Harapan peneliti
semoga skripsi ini dapat bermanfaat bagi kita semua dan pihak-pihak yang
membutuhkannya, baik itu di masa sekarang maupun di masa yang akan datang.
Wassalam.
Makassar, 14 November 2017
Peneliti
xii
ABSTRAK
ANALISIS YANG MEMPENGARUHI KETIDAKSTABILAN HARGA PANGAN (VOLATILE FOOD) DI SULAWESI SELATAN
PERIODE 2011- 2017
ANALYSIS THAT AFFECTS OF VOLATILE FOOD INSTABILITY IN SOUTH SULAWESI PERIOD 2011-2017
Putri Rezky Indria
Anas Iswanto Anwar Sri Undai Nurbayani
Penelitian ini bertujuan untuk menganalisis pengaruh jumlah uang beredar, impor, dan jumlah penduduk terhadap volatile foods di Sulawesi Selatan. Penelitian ini menggunakan data sekunder yang bersifat time series sebanyak 78 periode dari Januari 2011- Juni 2017 bersumber dari BI (Bank Indonesia) dan BPS (Badan Pusat Statistik) dianalisis dengan metode ARCH-GARCH (Autoregressive Conditional Heteroscedasticity-Generalized Autoregressive Conditional Heteroscedasticity) menggunakan program Eviews 8. Hasil penelitian menunjukkan bahwa variabel volatile foods teridentifikasi heteroskedastisitas karena memiliki nilai yang cenderung fluktuasi dan bervariasi antar waktu, sedangkan variabel independen tidak teridentifikasi heteroskedastisitas, karena tidak berfluktuasi sepanjang tahun. Hasil Garch menunjukkan bahwa jumlah uang beredar berpengaruh positif dan signifikan, impor berpengaruh positif dan signifikan, dan jumlah penduduk berpengaruh negative dan signifikan terhadapvolatile foods di Sulawesi Selatan. Kata kunci: Arch-Garch, Volatile foods, Jumlah Uang Beredar, Impor, Jumlah
Penduduk
The aim of this study is to analyze the effect of the amount of money in circulation, import, and the number of population on volatile foods in South Sulawesi. This research uses secondary data which is time series as much as 78 periods from January 2011 until June 2017 sourced from BI (Indonesian Bank) and BPS ( Central Institution of Statistic) analyzed by ARCH-GARCH (Auto Regressive Conditional Heteroscedasticity-Generalized Auto Regressive Conditional Heteroscedasticity) using program Eviews 8. The result of this research shows that Volatile Foods variable identified Heteroscedasticity, because it does not fluctuate throughout of the year. The result of GARCH shows that the amount of money in circulation has positive and significant effect, the import has positive and significant effect, and the number of population has negative and significant effects on the Volatile foods in South Sulawesi.
Keywords: ARCH-GARCH, Volatile foods, the amount of money in circulation, Import, Number of population
DAFTAR ISI
HALAMAN SAMPUL ..……..…………………………………………………………………. i
xiii
HALAMAN JUDUL ………...…………………………………………………………….…… ii
HALAMAN PERSETUJUAN………………………………………………………………….. iii
HALAMAN PENGESAHAN…………………………………………………………………… iv
HALAMAN PERNYATAAN KEASLIAN……………………………………………………… v
PRAKATA……………………………………………………………………………………….. vi
ABSTRAK…………………………………………………………….....………………….….. xii
DAFTAR ISI…………………………………………………………….....…………………... xiii
DAFTAR TABEL…………………………………………………………….……..…….…… xvi
DAFTAR GAMBAR………………………………………………..………………………….xvii
DAFTAR LAMPIRAN…………………………………………………….…………………. xviii
BAB 1 PENDAHULUAN .................................................................................................... 1
1.1 Latar Belakang ........................................................................................................... 1
1.2 Rumusan Masalah ..................................................................................................... 5
1.2 Tujuan Penelitian ....................................................................................................... 6
BAB 2 TINJAUAN PUSTAKA ............................................................................................ 7
2.1 Tinjauan Teoritis ........................................................................................................ 7
2.1.1 Volatile Foods .................................................................................................... 7
2.1.2 Inflasi ................................................................................................................. 8
2.1.3 Teori Hubungan antara Jumlah Uang Beredar dan Volatile Foods (Inflasi) ... 10
2.1.3.1 Teori Kuantitas Menurut Irving Fisher . .................................................... 10
2.1.3.2 Teori Kuantitas Menurut Milton Friedman ………....................................11
2.1.4 Teori Hubungan Antara Impor dan Volatile Foods (Inflasi) .............................. 13
2.1.4.1 Teori Struktural ...................................................................................... 13
2.1.4.2 Teori Komparatif Advantage ...................................................................14
2.1.5 Teori Hubungan Antara Jumlah Penduduk (Populasi) dan Volatile Foods
(Inflasi) ....................................................................................................................... 15
2.1.5.1 Teori Permintaan agregat ........................................................................ 15
2.1.5.2 Population Inflation Theory .....................................................................17
2.2 Penelitian Terdahulu ................................................................................................ 18
2.3 Kerangka Pikir .......................................................................................................... 20
2.4 Hipotesis .................................................................................................................. 22
BAB 3 METODE PENELITIAN ........................................................................................ 23
3.1 Ruang Lingkup Penelitian ........................................................................................ 23
3.2 Jenis dan Sumber Data ........................................................................................... 23
3.3 Metode Pengumpulan Data ..................................................................................... 23
3.4 Model Analisi ............................................................................................................ 23
xiv
3.4.1 Tahapan Identifikasi ........................................................................................ 25
3.4.2 Tahapan Pendugaan Parameter dan Pemilihan Model Terbaik ..................... 26
3.5 Definisi Operasional ............................................................................................... 27
BAB 4 HASIL DAN PEMBAHASAN .............................................................................. 28
4.1 Perkembangan Variabel ......................................................................................... 28
4.1.1 Perkembangan Variabel Volatile Foods Periode 2011-2017 .......................... 28
4.1.2 Perkembangan variabel jumlah uang beredar periode 2011-2017.................. 31
4.1.3 Perkembangan Impor periode 2011-2017....................................................... 35
4.1.4 Perkembangan Jumlah Penduduk Periode 2011-2017 Provinsi Sulawesi
Selatan ……………………………………………………………………………...…….. 38
4.2 Hasil Analisis Pergerakan Volatile Foods di Provinsi Sulawesi Selatan.................. 39
4.2.1 Uji Stationer Data ........................................................................................... 40
4.2.2 Uji model Box-Jenkins AR-MA ( Autoregressive– Moving Average)............... 41
4.2.3 Penggujian ARCH (AutoregressiveConditional Heteroscedasticity)............... 42
4.2.4Pengujian GARCH (Generalized Autoregressive Conditional
Heteroscedasticity………………………..………………………………………... 44
4.2.5 Analisis Hasil Regresi Pengaruh Jumlah Uang Beredar, Impor Bahan
Makanan, Jumlah Penduduk Terhadap Volatile Foods di Provinsi Sulawesi
Selatan .......................................................................................................... 46
4.2.5.1 Pengaruh Jumlah Uang Beredar Terhadap Volatile Foods di Provinsi
Sulawesi Selatan .................................................................................. 46
4.2.5.2 Pengaruh Impor Bahan Makanan Terhadap Volatile Foods di Provinsi
Sulawesi Selatan .................................................................................. 48
4.2.5.3 Pengaruh Jumlah Penduduk Terhadap Volatile Foods di Provinsi
Sulawesi Selatan .................................................................................. 49
BAB 5 PENUTUP .......................................................................................................... 52
5.1 Kesimpulan ............................................................................................................ 52
5.2 Saran ..................................................................................................................... 52
DAFTAR PUSTAKA ...................................................................................................... 53
LAMPIRAN .................................................................................................................... 55
xv
DAFTAR TABEL
Tabel Halaman
4.1 Perkembangan Volatile foods periode 2011-2017 ………………………. 28
4.2 Perkembangan Jumlah Uang Beredar periode 2011-2017 ……………. 32
4.3 Perkembangan Variabel Impor periode 2011-2017 ………….………… 35
4.4 Perkembangan Jumlah Penduduk periode 2011-2017 ………………… 38
4.5 Uji Stasioner Data (Augmented Dickey-Fuller) ………………………….. 49
4.6 Model Box Jenkins (AR-MA) ……………………………………………... 41
4.7 Identifikasi efek ARCH pada variabel dependen dan independen …….. 42
4.8 Model ARCH-GARCH pada volatile foods ………………………………. 43
4.9 Hasil regresi pengaruh jumlah uang beredar, impor bahan makanan,
jumlah penduduk terhadap volatile foods ………………….……………. 43
xvi
DAFTAR GAMBAR
Gambar Halaman
1.1 Perkembangan Volatile foods periode 2011-2017 ………………………. 3
2.1 Kerangka Pikir ………………………………………………….…….……. 21
xvii
DAFTAR LAMPIRAN
Lampiran Halaman
1 Volatilitas Nilai Volatile Food ..................................................... 56
2 Uji Stasioner Data ..................................................................... 56
3 Uji AR-MA ................................................................................. 59
4 Uji Efek ARCH ............................................................................ 61
5 Uji ARCH-LM ............................................................................. 64
6 Uji ARCH-GARCH ..................................................................... 65
7 Biodata ………………………………………………………………. 66
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Volatilitas merupakan isu komplek yang berdampak terhadap berbagai
bidang diantaranya adalah ketahanan pangan, pasar finansial, dan aliran
perdagangan (Miguez dan Michelena, 2011). Volatilitas hampir terjadi di seluruh
negara terutama negara berkembang dan miskin, sehingga persoalan ini menjadi
isu internasional. Dalam lingkup internasional volatilitas harga terutama untuk
sektor pangan merupakan salah satu masalah.
Volatilitas pada dasarnya adalah fenomena alamiah. Indonesia sebagai
salah satu negara berkembang rentan terhadap volatilitas harga pangan. Hal ini
dikarenakan sebagian kebutuhan pangan pokok masih diimpor, sehingga jika
harga pangan dunia tidak stabil akan berpengaruh terhadap kondisi harga dalam
negeri, seperti yang diungkapkan oleh (Bourdon, 2011) bahwa harga pangan
yang tidak stabil merupakan risiko bagi negara berkembang. Jika harga pangan
meningkat, maka inflasi akan naik dan pertumbuhan ekonomi turun yang
kemudian akan berdampak terhadap kondisi rumah tangga masyarakat terutama
penduduk miskin. Namun demikian, kunci utama dalam pengendalian inflasi yaitu
kemampuan memitigasi fluktuasi harga komoditas pangan (Prastowo et al.,
2008).
Peran pangan yang begitu penting menjadikan pangan sebagai sektor
yang strategis karena pangan merupakan salah satu kebutuhan dasar manusia.
Pangan merupakan bagian penting dalam hak asasi manusia seperti tercantum
2
dalam Universal Declaration of Human Right tahun 1948 pasal 25 ayat 1 yang
menyatakan bahwa setiap orang berhak atas taraf kehidupan yang memadai
untuk kesehatan dan kesejahteraan dirinya sendiri dan keluarganya, termasuk
hak atas pangan. Dalam Undang-Undang Nomor 18 tahun 2012 tentang pangan
juga disebutkan bahwa pangan merupakan kebutuhan dasar manusia yang
paling utama dan pemenuhannya merupakan bagian dari hak asasi manusia
yang dijamin dalam Undang-Undang Dasar Negara Republik Indonesia Tahun
1945.
Pentingnya pangan tidak terlepas dari konsep ketahanan pangan. Arifin
(2007) menyebutkan bahwa konsep ketahanan pangan memiliki tiga dimensi
yang saling berkaitan yaitu ketersediaan pangan, aksesibilitas masyarakat
terhadap pangan, dan stabilitas harga pangan. Ketersediaan pangan tidak hanya
dilihat dari aspek keterjangkauan secara fisik saja, tapi juga dari aspek sosial dan
ekonomi yaitu adanya stabilitas harga pangan dan keterjangkauan harga pangan
oleh daya beli masyarakat.
Untuk mencapai kestabilan harga pangan, diperlukan suatu upaya untuk
memperkecil tingkat fluktuasi harga pangan. Namun hal ini tidaklah mudah
karena pangan merupakan hasil dari produksi pertanian yang memiliki
karakteristik khusus. Penawaran dan permintaan hasil dari produksi pertanian
bersifat tidak elastis. Sifat ini menyebabkan perubahan yang sangat besar atas
tingkat harga apabila permintaan atau penawaran mengalami perubahan
(Firdaus, 2009).
Komoditas pangan termasuk dalam kelompok bahan makanan.
Berdasarkan kelompok barang dan jasa, inflasi bahan makanan merupakan
kelompok yang paling berfluktuatif dalam inflasi di Provinsi Sulawesi Selatan.
Selama periode tahun 2011 hingga tahun 2017 tercatat inflasi kelompok bahan
3
makanan menyumbang inflasi yang cukup besar jika dibandingkan dengan
kelompok barang dan jasa lainnya.
Pada tahun 2011 tercatat inflasi kelompok bahan makanan mencapai
3,41%. Kemudian terjadi penurunan pada tahun 2012 yaitu 1,71%, namun pada
tahun 2013 kembali terjadi peningkatan sebesar 2,20%. Hal ini masih terjadi
pada tahun 2014 yang meningkat sangat tajam yaitu 7,53%. Sedangkan pada
tahun 2015 kembali terjadi penurunan yaitu 2,53% dan masih diikuti pada tahun
2016 sebesar 0,30%. Selanjutnya pada bulan Januari tahun 2017 terjadi
peningkatan sebesar 1,71%. Hal ini lah yang mengakibatkan inflasi terjadi di
Provinsi Sulawesi Selatan. Dapat pula kita melihat perkembangan data volatile
foods adalah sebagai berikut:
Gambar 1.1.
Perkembangan Volatile Foods di Provinsi Sulawesi Selatan
Sumber: Bank Indonesia (2017)
Data volatile foods di atas sangat berfluktuasi hal ini dikarenakan
antaranya pergerakan siklus, dan variasi musim. Dimana selama 78 periode atau
keeping data terlihat bahwa terjadi peningkatan dalam jangka panjang.
Sedangkan pada pergerakan siklus pada tahun 2011- awal 2017 terjadi deflasi
pada kelompok volatile foods beberapa periode contohnya pada awal tahun 2011
-5,00
0,00
5,00
10,00
Feb
'11
Me
i '1
1
Agu
st '1
1
No
v '1
1
Feb
'12
Me
i '1
2
Agu
st '1
2
No
v '1
2
Feb
'13
Me
i '1
3
Agu
st '1
3
No
v '1
3
Feb
'14
Me
i '1
4
Agu
st '1
4
No
v '1
4
Feb
'15
Me
i'15
Agt
'15
No
v-1
5
Feb
-16
May
-16
Au
g-1
6
No
v-1
6
VF
VF
Linear (VF)
4
dan akhir tahun 2011, seperti kita ketahui pada akhir tahun terdapat hari raya
natal, namun pada periode ini tidak terjadi inflasi pada kelompok bahan
makanan. Dan deflasi kembali terjadi pada akhir 2012 dan akhir 2013. Namun
pergerakan ini sangat berfluktuasi dan terdapat peningkatan harga secara terus
menerus pada pada bulan maret, april, juni, juli agustus tahun 2011. Dan pada
bulan juni ke juli tahun 2013 meningkat sangat tajam dari deflasi menjadi inflasi
yaitu (-0,06 – 7,30). Peningkatan juga terjadi pada bulan desember 2016 –
januari 2017 dari 0,30 sampai 1,71.
fluktuasi harga bahan makanan menjadi hal yang penting karena dapat
berdampak negatif terhadap daya beli masyarakat. Peningkatan harga suatu
komoditas menyebabkan pendapatan riil turun, sehingga pembeli mengurangi
pembelian (Sugiarto et al. 2007). Menurunnya daya beli masyarakat ini
menghambat masyarakat dalam mengakses kebutuhan pangan. Apabila hal ini
terjadi maka kesejahteraan masyarakat akan berkurang.
Fluktuasi harga pangan juga memberikan pengaruh negatif terhadap
penduduk miski, karena harga-harga makanan yang lebih tinggi menyebabkan
inflasi keranjang kemiskinan yang serius yang meningkatkan persentase
penduduk miskin. Panen-panen yang gagal dikombinasikan dengan reaksi
lambat dari Pemerintah untuk menggantikan produk-produk makanan lokal
dengan impor adalah penyebab tekanan inflasi.
Tinggi maupun rendah tingkat inflasi bukanlah suatu yang diinginkan oleh
otoritas moneter karena apabila inflasi yang tinggi akan merenggut tingkat
kesejahteraan masyarakat Provinsi Sulawesi Selatan, sedangkan Inflasi yang
rendah akan mengakibatkan perputaran roda perekonomian rendah. Dimana,
uang beredar semakin meningkat dan daya beli masyarakat meningkat.
Permintaan terhadap barang semakin meningkat dan akan mengurangi pasokan
5
sehingga terjadi transaksi antar luar negeri (impor) yang akan berdampak
kembali ke Inflasi.
Maka dari itu, Bank Indonesia memiliki tujuan untuk mengendalikan atau
menstabilkan inflasi. Terkendalinya harga komoditas pangan akan menjadi salah
satu faktor pendukung keberhasilan dalam pengendalian laju inflasi (Prastowo et
al., 2008). Pengendalian laju inflasi menjadi pertimbangan bahwa inflasi yang
tinggi dan tidak stabil dapat memberikan dampak terhadap perekonomian
masyarakat. Inflasi yang tinggi akan menyebabkan pendapatan rill masyarakat
menurun sehingga mengakibatkan menurunnya daya beli masyarakat.
Selanjutnya, inflasi yang tidak stabil akan menciptakan ketidakpastian bagi
pelaku ekonomi dalam pengambilan keputusan (Riyadh et al., 2009).
Berdasarkan masalah yang telah dipaparkan maka penulis akan
mengambil judul penelitian “ Analisis yang Mempengaruhi Ketidakstabilan
Harga Bahan Pangan (Volatile Foods) di Sulawesi Selatan Periode 2011-
2017 ” Volatile Foods menarik di teliti karena diperlukan perhatian khusus dalam
menangani inflasi yang terjadi pada tataran wilayah khususnya di Sulawesi
Selatan, agar tidak secara terus menerus terjadi peningkatan pada harga bahan
pokok.
1.2. Rumusan Masalah
Berdasarkan pemaparan di atas, Terdapat beberapa rumusan masalah
yang akan di teliti yaitu sebagai berikut:
1. Apakah ada pengaruh jumlah uang beredar terhadap ketidakstabilan
harga bahan pangan di Provinsi Sulawesi Selatan periode 2011-2017
?
6
2. Apakah ada pengaruh impor terhadap ketidakstabilan harga bahan
pangan di Provinsi Sulawesi Selatan periode 2011-2017 ?
3. Apakah ada pengaruh jumlah penduduk terhadap ketidakstabilan
harga bahan pangan di Provinsi Sulawesi Selatan periode 2011-2017
?
1.3. Tujuan Penelitian
Berdasarkan latar belakang dan perumusan masalah, penelitian ini
memiliki tujuan yaitu sebagai berikut:
1. Untuk mengetahui pengaruh jumlah uang berdar terhadap
ketidakstabilan harga bahan pangan Provinsi Sulawesi Selatan
periode 2011-2017.
2. Untuk mengetahui pengaruh impor terhadap ketidakstabilan harga
bahan pangan Provinsi Sulawesi Selatan periode 2011-2017.
3. Untuk mengetahui pengaruh jumlah penduduk terhadap
ketidakstabilan harga bahan pangan Provinsi Sulawesi Selatan
periode 2011-2017.
7
BAB II
TINJAUAN PUSTAKA
2.1. Tinjauan Teoritis
2.1.1 Ketidakstabilan Harga Bahan Pangan (Volatile Foods)
Volatilitas berasal dari kata dasar volatil (volatile). Istilah ini
mengacu pada kondisi yang berkonotasi tidak stabil, cenderung bervariasi
dan sulit diperkirakan. Volatilitas dapat digambarkan dengan adanya
kecenderungan suatu data berfluktuasi secara cepat dari waktu ke waktu.
Seringkali ditemukan adanya pengelompokan volatilitas (volatility clustering)
dalam data, yakni volatilitas bernilai besar selama periode waktu tertentu
dan bernilai kecil untuk selama periode waktu yang lain atau dengan kata
lain berkumpulnya sejumlah galat dengan besar yang relatif sama beberapa
waktu yang berdekatan.
Volatilitas dalam ekonomi berhubungan dengan harga suatu
komoditas seperti komoditas pertanian. Volatilitas harga yang terjadi di pasar
tidak terjadi dengan sendirinya tanpa dipengaruhi oleh faktor-faktor lain.
Kenaikan harga-harga secara umum atau biasa disebut dengan inflasi biasa
disebabkan oleh berbagai faktor makroekonomi, pasar komoditas maupun
pasar energi (yang akhirnya menyebabkan kenaikan barang-barang lain).
Para ahli membedakan inflasi menjadi inflasi pangan dan non
pangan (Walsh, 2011). Inflasi pangan menurut Walsh dapat menjadi besar
jika guncangan harga pangan lebih volatil dibandingkan guncangan harga
non pangan terutama pada saat terjadi krisis pangan. Inflasi makanan
8
secara keseluruhan cenderung lebih tinggi dan lebih stabil dibandingkan
inflasi non makanan khususnya pada negara-negara berkembang dan
miskin.
Volatile foods (gejolak bahan makanan) adalah Inflasi yang
dominan dipengaruhi oleh shocks (kejutan) dalam kelompok bahan makanan
seperti panen, gangguan alam, atau faktor perkembangan harga komoditas
pangan domestik maupun perkembangan harga komoditas pangan
internasional. Pangan adalah segala sesuatu yang berasal dari sumber
hayati produk pertanian, perkebunan, kehutanan, perikanan, peternakan,
perairan, dan air, baik yang diolah maupun tidak diolah yang diperuntukkan
sebagai makanan atau minuman bagi konsumsi manusia, termasuk bahan
tambahan pangan, bahan baku pangan, dan bahan lainnya yang digunakan
dalam proses penyiapan, pengolahan, dan atau pembuatan makanan atau
minuman.
Komoditas pangan yang dianalisis pada penelitian ini adalah padi-
padian, umbi-umbian dan hasilnya, daging dan hasil-hasilnya, ikan segar,
ikan diawetkan, telur, susu, sayur-sayuran, kacang-kacangan, buah-buahan,
bumbu-bumbuan, lemak dan minyak. Sub komoditas tersebut termasuk ke
dalam kelompok bahan makanan yang fluktuasi harganya sering menjadi
sorotan dalam masyarakat.
2.1.2 Inflasi
Inflasi merupakan suatu keadaan dimana terjadi kenaikan tingkat
harga dari berbagai macam barang secara umum dan terus-menerus
(Rahardja dan Manurung, 2008). Inflasi juga merupakan salah satu indikator
ekonomi makro yaitu suatu proses meningkatnya harga-harga secara umum
9
dan terjadi secara terus menerus (kontinyu). Kenaikan harga dari satu atau
dua barang tidak dapat disebut inflasi kecuali kenaikan tersebut terjadi
secara meluas atau mengakibatkan kenaikan harga pada barang lainnya
(Santoso, 2011).
Angka inflasi dihitung berdasarkan angka indeks yang
dikumpulkan dari beberapa macam barang yang diperjual-belikan di pasar
dengan masing-masing tingkat harga. Angka indeks yang memperhitungkan
semua harga barang dan jasa yang dibeli oleh konsumen disebut Indeks
Harga Konsumen (IHK). Berdasarkan BPS (2017), formula perhitungan IHK
menggunakan rumus Modified Laspeyers adalah:
In =∑
𝑃𝑛𝑃𝑛−1
𝑃𝑛−1 𝑄0
∑ 𝑃0𝑄0 × 100 ......................................................... 2.1
Keterangan:
In = Indeks bulan n
Pn = Harga pada bulan n
Pn-1= Harga pada bulan n-1
P0Q0 = Nilai konsumsi tahun dasar
Pn-1Q0 = Nilai konsumsi bulan n-1
Sedangkan laju inflasi bulanan dapat di hitung sebagai berikut:
IHKn = 𝐼𝐻𝐾𝑛 − 𝐼𝐻𝐾𝑛−1
𝐼𝐻𝐾𝑛−1 × 100% .............................................................. 2.2
In = Inflasi bulanan n
IHKn = IHK bulan n
IHKn-1 = IHK bulanan n-1
Salah satu indikator ekonomi makro yang paling penting adalah
IHK yang digunakan untuk mengukur inflasi suatu wilayah. IHK memberikan
informasi mengenai perkembangan harga barang dan jasa yang dibayar
10
oleh konsumen atau masyarakat. Selain itu, inflasi merupakan indikator
ekonomi yang penting dalam menunjukkan gejala ekonomi tentang harga di
suatu wilayah sehingga inflasi menjadi salah satu indikator pengendalian
ekonomi makro yang berdampak luas terhadap indikator ekonomi lainnya.
2.1.3 Teori Hubungan antara Jumlah Uang Beredar dan Volatile
Foods (Inflasi)
2.1.3.1 Teori Kuantitas Menurut Irving Fisher
Teori kuantitas menurut Irving Fisher melihat fungsi uang
sebagai alat pertukaran. Menurutnya, apabila terjadi transaksi antara
penjual dan pembeli maka terjadi pertukaran antara uang dengan
barang/jasa, sehingga nilai uang akan sama dengan nilai barang/jasa
tersebut. Dalam setiap transaksi selalu ada pembeli dan penjual. Jumlah
uang yang dibayarkan oleh pembeli harus sama dengan uang yang
diterima oleh penjual. Hal ini berlaku juga untuk seluruh perekonomian,
dalam suatu periode tertentu nilai dari barang-barang atau jasa-jasa
yang dibeli harus sama dengan nilai dari barang yang dijual.
Fisher, menjelaskan teori moneter yaitu transaction velocity
of circulation adalah suatu variable yang ditentukan oleh faktor-faktor
kelembagaan yang ada didalam suatu masyarakat, dan dalam jangka
pendek bisa dianggap konstan. Volume transaksi dalam periode tertentu
ditentukan oleh tingkat output masyarakat (pendapatan nasional).
Teori Fisher dalam jangka pendek tingkat harga umum (P)
berubah secara proporsional dengan perubahan uang yang diedarkan
oleh pemerintah. Dalam teori ini jumlah barang yang diperdagangkan
11
ditentukan oleh tingkat output equilibrium masyarakat. Menurut Fisher
dan para ahli ekonomi Klasik adalah selalu pada posisi “full
employment” (Hukum Say atau Say’s Law). transaction velocity of
circulation, Fisher mengatakan bahwa permintaan akan uang timbul dari
penggunaan uang dalam proses transaksi. Besar-kecilnya Vt ditentukan
oleh sifat proses transaksi yang berlaku di masyarakat dalam suatu
periode (Boediono,2005).
2.1.3.2. Teori Kuantitas Menurut Milton Friedman
Teori tentang inflasi pada awalnya berkembang dari teori
yang dikenal dengan teori kuantitas (tentang uang). Teori kuantitas pada
dasarnya merupakan suatu hipotesa tentang faktor yang menyebabkan
perubahan tingkat harga, yaitu kenaikan jumlah uang beredar
merupakan faktor penentu atau faktor yang mempengaruhi kenaikan
tingkat harga.
Teori kuantitas tidak hanya menyatakan bahwa jumlah
uang beredar sebagai faktor penyebab perubahan tingkat harga. Teori
kuantitas uang juga terkait dengan teori tentang (1) proporsionalitas
jumlah uang dengan tingkat harga, (2) mekanisme transmisi moneter,
(3) netralitas uang, dan (4) teori moneter tentang tingkat harga. Ahli
ekonomi moneter yang menganut teori kuantitas, dalam
perkembangannya lebih dikenal sebagai ahli ekonomi yang beraliran
monetaris. Salah satu tokoh aliran monetaris ini adalah ekonom Milton
Friedman yang mendapatkan hadiah Nobel di bidang ekonomi pada
tahun 1976. Tokoh ini membuat pernyataan yang sangat terkenal, yaitu
bahwa inflation is always and everywhere a monetary phenomenon.
12
Milton Friedman adalah ekonom yang menyempurnakan
teori kuantitas dan memformulasikan lebih lanjut teori kuantitas uang
serta menyusun teori tentang permintaan uang. Teori permintaan uang
tersebut dalam perkembangannya menjadi teori yang sangat penting
dalam teori ekonomi makro. Teori permintaan uang dalam
perkembangannya juga telah mengalami banyak variasi serta
perkembangan yang sangat pesat.
Teori permintaan uang pada dasarnya menyatakan bahwa
permintaan uang masyarakat ditentukan oleh sejumlah variabel
ekonomi, antara lain adalah pertumbuhan ekonomi, suku bunga, dan
tingkat harga. Sejalan dengan teori permintaan uang, tingkat harga atau
laju inflasi hanya akan berubah apabila jumlah uang beredar tidak
sesuai dengan jumlah yang diminta atau diperlukan oleh suatu
perekonomian. Apabila jumlah uang yang beredar lebih besar
dibandingkan dengan jumlah uang yang diminta atau dibutuhan oleh
masyarakat, tingkat harga akan meningkat dan terjadilah inflasi.
Sebaliknya, apabila jumlah uang yang beredar lebih kecil dengan jumlah
uang yang dibutuhkan oleh masyarakat, tingkat harga akan turun dan
terjadi apa yang disebut sebagai deflasi.
Banyak kajian empiris yang membuktikan bahwa
pertumbuhan uang beredar dan laju inflasi yang tinggi mempunyai
korelasi yang tinggi, misalnya kajian yang dilakukan oleh (Fisher, Sahay,
dan Vegh,2002). Mereka menyatakan bahwa dalam jangka panjang
hubungan antara pertumbuhan uang beredar dan laju inflasi menjadi
semakin kuat (erat). Dalam hal jangka pendek pertumbuhan uang
beredar dan laju inflasi masih mempunyai korelasi yang cukup
13
signifikan, terutama untuk mengetes hubungan kedua variabel tersebut
dengan mempergunakan data lag, misalnya dengan data satu atau dua
periode sebelumnya. Meskipun begitu, kajian tersebut juga menyatakan
bahwa hubungan dua variabel tersebut tidaklah instan dan juga tidak
persis berhubungan langsung satu satu. Kajian itu juga menemukan
bahwa laju inflasi yang tinggi cenderung tidak stabil, dan sebaliknya, laju
inflasi yang rendah cenderung lebih stabil.
2.1.4 Teori Hubungan Antara Impor dan Volatile Foods (Inflasi)
2.1.4.1 Teori Struktural
Menurut teori ini ada 2 masalah struktural di dalam
perekonomian negara berkembang yang dapat mengakibatkan inflasi.
Pertama, penerimaan ekspor tidak elastis, yaitu pertumbuhan nilai
ekspor yang lebih lambat dibandingkan dengan pertumbuhan sektor
lainnya. Hal tersebut disebabkan oleh terms of trade yang memburuk
dan produksi barang ekspor yang kurang responsif terhadap kenaikan
harga. Pelambatan pertumbuhan ekspor akan menghambat
kemampuan untuk mengimpor barang-barang yang dibutuhkan. Sering
kali negara berkembang melakukan kebijakan substitusi impor meskipun
dengan biaya yang tinggi dan mengakibatkan harga barang yang tinggi
sehingga menimbulkan inflasi. Kedua, masalah struktural perekonomian
negara berkembang lainnya adalah produksi bahan makanan dalam
negeri yang tidak elastis, yaitu pertumbuhan produksi makanan dalam
negeri tidak secepat pertambahan penduduk dan pendapatan perkapita
sehingga harga makanan dalam negeri cenderung meningkat lebih
tinggi dari pada kenaikan harga barang-barang lainnya. Hal ini
14
mendorong timbulnya tuntutan kenaikan upah dari pekerja sektor
industri yang selanjutnya akan meningkatkan biaya produksi dan pada
gilirannya akan menimbulkan inflasi.
2.1.4.2. Teori Komparatif Advantage
David Ricardo pertama kali memperkenalkan konsep
keunggulan komparatif pada awal abad ke 19 dengan hukum
keunggulan komparatif yang menyatakan bahwa setiap negara memiliki
keunggulan komparatif dalam sesuatu dan memperoleh manfaat
dengan memperdagangkannya untuk ditukar dengan barang lain
(Lindert dan Kindleberger, 1995). Sementara (Hadi,2004)
mengemukakan bahwa menurut teori keunggulan komparatif
berdasarkan faktor efisiensi tenaga kerja, suatu negara akan
memperoleh manfaat perdagangan internasional jika melakukan
spesialisasi produksi dan mengimpor barang di mana negara tersebut
relatif kurang efisien dalam berproduksi.
Heckscher-Ohlin kemudian mengembangkan teori
keunggulan komparatif Ricardo dengan menyatakan bahwa negara-
negara mengekspor barang-barang yang menggunakan faktor produksi
yang melimpah secara intensif dan mengimpor barang-barang yang
menggunakan faktor produksi yang langka secara intensif. Biaya untuk
faktor-faktor produksi diterangkan dengan Teori Biaya Alternatif
(Opportunity Cost Theory), bahwa biaya dari suatu komoditi adalah
jumlah komoditi kedua yang harus dikorbankan agar diperoleh faktor-
faktor produksi atau sumber produksi yang memadai untuk
menghasilkan satu unit tambahan dari komoditi pertama. Suatu negara
15
dikatakan mempunyai keunggulan komparatif dalam suatu komoditi bila
biaya alternatif yang dikeluarkan lebih rendah dari biaya untuk komoditi
lain.
Menurut teori Heckscher-Ohlin, perbedaan opportunity cost
suatu produk antara satu negara dengan negara lain dapat terjadi
karena adanya perbedaan jumlah atau proporsi faktor produksi yang
dimiliki masing-masing negara (Hadi, 2004).
Dilihat dari sisi keunggulan komparatif, tingkat harga yang
terjadi adalah apabila suatu negara dapat membeli atau menjual pada
pasaran dunia. Harga-harga ini akan berubah setiap waktu dan tempat
selain pengaruh inflasi dunia. Perubahan harga dunia merupakan unsur
penting dalam perubahan keunggulan komparatif.
2.1.5 Teori Hubungan Antara Jumlah Penduduk (Populasi) dan
Volatile Foods (Inflasi)
2.1.5.1. Teori Permintaan Aggregat
Aggregate demand (AD) adalah hubungan antara tingkat
harga agregat dengan jumlah ouput yang diminta. Dengan kata lain,
kurva permintaan agregat menyatakan jumlah barang dan jasa yang
ingin dibeli orang pada setiap tingkat harga. Dalam permintaan agregat
terdapat persamaan kuantitas yaitu jumlah uang beredar dikali dengan
perputaran uang sama dengan tingkat harga dikali dengan jumlah
output. Jika perputaran uang adalah konstan, maka persamaan ini
menyatakan bahwa jumlah uang yang beredar menentukan nilai
nominal output, yang pada akhirnya merupakan produk dari tingkat
harga dan jumlah output.
16
Persamaan kuantitas bisa di tulis kembali dalam bentuk
penawaran dan permintaan untuk keseimbangan uang riil M/P sama
dengan permintaan (M/P)d dan bahwa permintaan adalah proporsional
terhadap output. Perputaran uang adalah sisi lain dari parameter
permintaan uang . Asumsi perputaran uang konstan sama dengan
asumsi bahwa permintaan untuk keseimbangan uang riil untuk tiap
satuan output adalah konstan.
Untuk setiap jumlah uang yang beredar dan perputaran
tetap, persamaan kuantitas menghasilkan hubungan negatif antara
tingkat harga dan Output . Pada kombinasi tingkat harga dan output
yang memenuhi persamaan kuantitas yang mempertahankan jumlah
uang beredar dan perputaran uang konstan. Kurva menurun dari kiri
atas ke kanan bawah ini di sebut kurva permintaan agregat.
Kurva permintaan agregat (AD) menunjukkan hubungan
antara tingkat hargan dan jumlah barang dan jasa yang diminta. Kurva
itu digambarkan untuk nilai jumlah uang yang beredar tertentu. Kurva
permintaan agregat miring kebawah, semakin tinggi tingkat harga, maka
semakin rendah tingkat keseimbangan riil M/P, dan karena itu semakin
rendah jumlah barang dan jasa yang diminta.
Kurva permintaan agregat dibuat untuk nilai dari jumlah
uang yang beredar yang tetap. Dengan kata lain, kurva tersebut
menyatakan kombinasi yang memungkinkan dari tingkat harga dan
output untuk nilai jumlah uang beredar tertentu. Jika jumlah uang yang
beredar berubah, maka kombinasi yang mungkin dari tingkat harga dan
output berubah, yang berarti kurva permintaan agregat bergeser.
17
Hal sebaliknya jika uang yang beredar meningkat.
Persamaan kuantitas menyatakan bahwa kenaikan dalam jumlah uang
beredar menyebabkan kenaikan dalam tingkat harga dikali output. Untuk
setiap tingkat harga, jumlah output adalah lebih tinggi, dan untuk jumlah
output berapapun, tingkat harga adalah lebih tinggi. Kurva permintaan
akan bergeser ke kanan.
2.1.5.2. Population Inflation Theory
“Malthus proposed that long-term inflation was a result of
the ever-increasing population. He suggested that the human population
had the potential to grow exponentially. A key problem with this
according to Malthus was that the increased supply of commodities used
for our basic needs tended to grow only arithmetically. This mismatch
created competition for resources, which caused prices to rise,
especially in times of rapid population increases.”
"Malthus mengusulkan agar inflasi jangka panjang
merupakan hasil dari populasi yang terus meningkat. Dia menyarankan
agar populasi manusia berpotensi tumbuh secara eksponensial.
Masalah utama dengan ini menurut Malthus adalah bahwa peningkatan
pasokan komoditas yang digunakan untuk kebutuhan dasar kita
cenderung tumbuh hanya secara aritmatika. Ketidakcocokan ini
menciptakan persaingan untuk mendapatkan sumber daya, yang
menyebabkan kenaikan harga, terutama pada saat kenaikan populasi
yang cepat. "
“The theory that inflation is related to demographics has
had something of a renaissance in recent years. For example Harry
18
Dent, the US economist and author, has written a number of books
proposing that the demographic profile of a country is strongly correlated
with its economic prosperity. The main thrust of his argument is that
people’s expenditure increases through their lives until the late 40s and
then declines. Therefore when there is a rise in the number of younger
people in a population it leads to inflation and, similarly, when the
average age of the population rises significantly, you get deflation as the
net expenditure declines.”
"Teori bahwa inflasi terkait dengan demografi telah
mengalami kebangkitan kembali dalam beberapa tahun terakhir.
Misalnya Harry Dent, ekonom dan penulis AS, telah menulis sejumlah
buku yang mengemukakan bahwa profil demografis suatu negara
berkorelasi kuat dengan kemakmuran ekonominya. Dorongan utama
argumennya adalah bahwa pengeluaran orang meningkat melalui
kehidupan mereka sampai akhir 40an dan kemudian menurun. Oleh
karena itu, ketika terjadi peningkatan jumlah orang muda dalam suatu
populasi, hal itu menyebabkan inflasi dan, sama seperti, ketika usia rata-
rata penduduk meningkat secara signifikan, Anda mengalami deflasi
karena penurunan pengeluaran bersih."
2.2 Penelitian Terdahulu
Dengan penelitian yang berjudul “Pengaruh hari besar pada komoditas
utama inflasi di Indonesia” (Santoso, et. Al, 2013) penelitian ini mengunakan alat
analisis ARMA (Autoregeressive and Move Autoregressive) dengan hasil bahwa
jika menggunakan data inflasi bulanan BPS, Ramadan berpengaruh signifikan
untuk komoditas daging sapi, daging ayam, dan telur ayam, sedangkan untuk
19
data inflasi mingguan Bank Indonesia, diperoleh hasil bahwa Ramadan signifikan
berpengaruh pada inflasi adalah berbeda-beda antarkota, tetapi komoditas yang
selalu signifikan di enam kota adalah daging sapi.
Dengan penelitian yang berjudul “Analisi Kausalitas Harga Beras,Harga
Pembelian Pemerintah (HPP) dan Inflasi Serta Efektifitas Kebijakan HPP di
Indonesia” (Saputra, et. Al, 2014) penelitian ini menggunakan alat analisis Engel
Granger causality. Dengan hasil penelitian bahwa hubungan kausalitas yang
terjadi antara inflasi dan harga eceran beras (HEB) adalah satu arah, yaitu inflasi
mempengaruhi HEB. Hubungan kausalitas yang terjadi antara inflasi dan harga
pembelian pemerintah Harga Gabah Kering Panen (HGKP) dan Harga Gabah
Kering Giling (HGKG) juga satu arah, yaitu inflasi mempengaruhi HGKP dan
HGKG. Hubungan kausalitas yang terjadi antara harga pembelian pemerintah
(HGKP dan HGKG) dan HEB adalah satu arah, yaitu HEB mempengaruhi HGKP
dan HGKG.
Dengan penelitian yang berjudul “ The nature of food commodity prices
volatility in driving inflation and policy ” (Nurliza, 2017) penelitian ini
menggunakan alat analisis Box Jenkins dengan hasil penelitian bahwa hanya
harga daging sapi yang memiliki efek volatilitas tinggi dan efek asimetris.
Sementara itu, kedelai, minyak goreng, dan makanan bersifat rentan tetapi tidak
memiliki efek volatilitas. Perubahan harga komoditas pangan yang secara
signifikan mempengaruhi inflasi jangka panjang meskipun tidak dalam jangka
pendek.
Dengan penelitian “ Struktur pasar, distribusi, dan pembentukan harga
beras ” (Bhinadi, 2012) penelitian ini menggunakan analisis statistic deskriptif
dan pendekatan model Houck. Dengan hasil penelitian bahwa bahwa struktur
pasar besar di Yogyakarta pada tingkat Pengepul adalah oligopoli, semakin ke
20
hilir semakin kompetitif. Pola distribusi beras di Yogyakarta mengikuti jalur
panjang, yaitu dari produsen dikumpulkan pengepul dibeli pedagang besar
didistribusikan ke pengecer baru dijual ke konsumen. Pada tingkat produsen,
harga beras ditentukan oleh pembeli, di tingkat pengepul mengikuti harga pasar
tertinggi. Di tingkat pedagang besar mengikuti harga pesaing, dan di tingkat
pengecer mengikuti harga pasar tertinggi. Faktor yang menentukan harga jual
beras dari produsen hingga pengecer sama, yaitu ketersediaan pasokan.
Dengan penelitian “ analisis volatilitas harga eceran beberapa komoditas
pangan utama dengan model ARCH/GARCH “.(Sumaryanto, 2009) Dengan hasil
penelitian menunjukkan bahwa ragam harga eceran terdeflasi untuk komoditas
harga beras, gula pasir, terigu, cabai merah, dan bawang merah bersifat
heteroskedastik sehingga model peramalan lebih sesuai adalah ARCH/GARCH.
Dengan pendekatan tersebut terbukti bahwa sejak reformasi harga eceran beras,
tepung terigu, dan gula pasir ternyata lebih volatile, sedangkan harga eceran
cabai merah dan bawang merah memiliki perbedaan volatilitas antara periode
sebelum dan sesudah reformasi tidak nyata.
Dengan penelitian “Analyses of food price stabilization in indonesian“ (
Reza, firdaus dan novianti, 2014) hasil penelitian menunjukkan bahwa jumlah
pasokan dan stok dapat menurunkan komoditas fluktuasi harga; selain itu,
pemenuhan kecil cabai merah dan bawang merah sangat tergantung pada
impor.
2.3 Kerangka Pikir
Saat ini volatile foods sangat penting untuk diteliti karena harga bahan
makanan sering terjadi kenaikan yang tinggi maupun penurunan yang rendah.
Hal ini akan menyebabkan inflasi terjadi di Provinsi Sulawei Selatan. Kenaikan
21
harga atau penurunan harga akan dipengaruhi dari segi pengeluaran uang,
impor dan jumlah penduduk.
Hubungan jumlah uang beredar dengan volatile foods akan dikaitkan
dengan teori kuantitas. Teori kuantitas mengatakan bahwa semakin besar jumlah
uang beredar di masyarakat akan menyebabkan tingkat harga meningkat.
Hubungan impor dengan volatile foods di jelaskan dengan teori structural yang
mengatakan bahwa negara berkembang melakukan kebijakan substitusi impor
meskipun dengan biaya yang tinggi dan mengakibatkan harga barang yang tinggi
sehingga menimbulkan inflasi. Hubungan jumlah penduduk dengan volatile foods
dijelaskan dengan teori permintaan aggregat yang mengatakan bahwa semakin
tinggi jumlah penduduk di suatu daerah maka permintaan suatu barang juga
tinggi dan mengakibatkan tingkat harga juga semakin tinggi.
Gambar 2.1.
Kerangka Pikir
Impor Bahan Makanan
X2
Jumlah Penduduk
X3
Ketidakstabilan
Harga Bahan
Pangan (Volatile
foods)
Y
Jumlah Uang Beredar
X1
22
2.4. Hipotesis
Hipotesis adalah jawaban sementara terhadap rumusan masalah
penelitian. Dikatakan sementara karena jawaban yang diberikan baru didasarkan
pada teori dan belum menggunakan fakta. Dari hipotesis tersebut akan dilakukan
penelitian lebih lanjut untuk membuktikan apakah hipotesis tersebut benar
adanya atau tidak benar.
1. Diduga bahwa jumlah uang beredar berpengaruh positif terhadap
ketidakstabilan harga bahan pangan (volatile foods)..
2. Diduga bahwa impor berpengaruh positif terhadap ketidakstabilan
harga bahan pangan (volatile foods).
3. Diduga jumlah penduduk berpengaruh positif terhadap ketidakstabilan
harga bahan pangan (volatile foods).
23
BAB III
METODE PENELITIAN
3.1. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini mengenai Analisis Volatile Foods di Provinsi
Sulawesi Selatan Periode 2011-2017.
3.2. Jenis dan Sumber Data
Data yang digunakan adalah data sekunder. Dengan periode Time Series
bulanan Januari 2011- Juni 2017. Data yang digunakan adalah data volatile foods
(klasifikasi inflasi), jumlah uang beredar, impor bahan makanan, dan jumlah
penduduk yang bersumber dari Website Badan Pusat Statistik, Bank Indonesia dan
berbagai situs yang berkaitan dengan penelitian. Selain itu penulis juga melakukan
studi pustaka dengan membaca jurnal, buku, artikel internet, dan berbagai literatur
lainnya.
3.3. Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini adalah melalui studi
pustaka. Studi pustaka dilakukan dengan mengumpulkan informasi melalui literatur-
literatur yang berkaitan dengan objek studi.
3.4. Model Analisis Data
Model yang digunakan dalam penelitian ini adalah model ARCH –
GARCH (Autoregressive Conditional Heteroscedasticity-Generalized
Autoregressive Conditional Heteroscedasticity) menggunakan program Eviews 8,
Adapun alasan mengapa metode ini yang digunakan, yaitu karena tujuan dari
model ini adalah untuk menghitung besaran volatilitas harga bahan makanan.
Harga bahan makanan dinilai mengalami peningkatan dan penurunan tajam,
24
sehingga perlu dilakukan perhitungan nilai volatilitas. Volatilitas terjadi karena
varians residual tidak konstan sehingga homoskedastisitas tidak dapat dipenuhi,
Sedangkan metode yang seirama dengan ARCH-GARCH yaitu metode VAR
(Vector Autoregression) dan ECM (Error Correction Mechanism) tapi tidak dapat
dipakai dalam penelitian ini disebabkan karena adanya kelemahan metode
tersebut salah satunya adalah metode VAR ini hanya dapat melihat banyak
variabel, lebih cocok untuk data yang simultan dan tidak untuk melihat volatilitas
(Gujarati, 2004), Sedangkan dalam penelitian ini harga bahan makanan sangat
bervolatilitas, Dan untuk metode ECM hanya dapat menjelaskan informasi jangka
panjang pendek dari data (Vamvoukas,1998).
Model ARCH digunakan untuk mengestimasi data yang memiliki
volatilitas tinggi. Volatilitas tinggi artinya data pada suatu periode memiliki fluktuasi
dan residual yang tinggi dan pada periode berikutnya fluktuasi serta residualnya
rendah, sehingga ragam residual akan sangat bergantung pada ragam residual
periode sebelumnya. Model ARCH pertama kali diperkenalkan oleh Engle (1982)
yang menganalisis adanya masalah ragam residual dalam data deret waktu.
Ragam residual yang berubah-ubah terjadi karena ragam residual tidak hanya
fungsi dari peubah bebas, tetapi juga tergantung pada residual di masa lalu.
Persamaan dalam model ARCH adalah sebagai berikut: ( NachrowI, 2006 )
y = β0 + β1 X1 + β2 X2 + β3 X3 + et
σ 2t = α0 + X1ε2t-1 + X2ε2
t-2+ X3ε2t-3
ht = α0 + X1 ɛ2t–1 + X2 ɛ2
t–2 + X3 ɛ2t–3+ X1 ht – 1 + X2 ht-2 + X3 ht-3
dimana:
ht = nilai bahan makanan
α0 = varians konstan
ɛ2t–m = suku ARCH, atau volatilitas pada periode sebelumnya
25
ht-n = suku GARCH, atau volatilitas pada periode sebelumnya
X1, = jumlah uang beredar (Rp)
X2 = Impor (Rp)
X3 = Jumlah penduduk (orang)
Ada beberapa tahapan yang dilakukan untuk menghitung volatilitas harga
beras melalui model ARCH-GARCH ini. Adalah sebagai berikut:
3.4.1 Tahapan Identifikasi
Hal-hal yang diidentifikasi pada tahap ini ada tiga macam yaitu
Identifikasi terhadap kestasioneran data, Identifikasi terhadap unsur
musiman yang mungkin ditemui dalam data tersebut, Identifikasi terhadap
pola Autocorrelation Function (ACF) dan Partial Autocorrelation Function
(PACF) untuk menentukan model sementara.
Uji stasioneritas data dilakukan dengan uji Augmented Dickey-
Fuller. Data dikatakan sudah stasioner (tidak mengandung unit root)
apabila ADF test statistic lebih besar dari test critical values. Pada
umumnya data runtut waktu (time series) memiliki unsur kecenderungan
(trend) yang menjadikan kondisi data menjadi tidak stasioner di level.
Sedangkan untuk Pendeteksian komponen musiman yang terkandung
dalam data digunakan dengan menggunakan bantuan plot data, plot ACF,
plot PACF tadi.
Setelah terpilih beberapa alternatif model sementara yang ada,
penting sekali untuk mengidentifikasi data pada model tersebut
mengandung heteroskedastisitas atau tidak. Pengujian keberadaan
heteroskedastisitas dapat dilakukan dengan melihat keruncingan (kurtosis)
data. Pengujian heteroskedastisitas yang lebih terkuantifikasi dilakukan
26
dengan menggunakan uji ARCH-LM. Uji ARCH-LM didasarkan atas
hipotesis nol tidak terdapat ARCH error. Apabila hasil pengujian
menunjukan penerimaan terhadap hipotesis nol, maka data tidak
mengandung ARCH error dan tidak perlu dimodelkan menggunakan
ARCH-GARCH.
3.4.2 Tahapan Pendugaan Parameter dan Pemilihan Model Terbaik
Setelah berhasil mengidentifikasi model sementara, selanjutnya
adalah pendugaan parameter model sementara tersebut. Terdapat dua
cara dasar yang digunakan untuk menduga parameter, yaitu Dengan cara
mencoba-coba (trial and error) dan Perbaikan secara iterative. Penentuan
dugaan parameter ARCH-GARCH dilakukan dengan menggunakan
metode kemungkinan maksimum secara iterative dengan Algoritma
Marquardt. Dengan menggunakan bantuan program Eviews 8 kita bisa
mengestimasi nilai parameter yang dibutuhkan.
Selanjutnya, Terdapat dua bentuk pendekatan yang dapat
digunakan sebagai ukuran kebaikan model yaitu Akaike Information
Criterion (AIC) dan Schwartz Criterion (SC). SC dan AIC adalah dua
standar informasi yang menyediakan ukuran informasi yang dapat
menemukan keseimbangan antara ukuran kebaikan model dan spesifikasi
model yang terlalu hemat. Nilai ini dapat membantu untuk mendapatkan
seleksi model terbaik. Model yang baik dipilih berdasarkan nilai AIC dan SC
yang terkecil dengan melihat juga signifikansi koefisien model. Model
ARCH-GARCH terbaik juga dapat diseleksi berdasarkan asumsi non-
negativity constrains yang mensyaratkan tidak boleh ada koefisien yang
27
negatif. Hal ini dilakukan agar tidak terjadi nilai varians yang negatif karena
nilai yang negatif akan tidak berarti (meaningless).
3.5. Definisi Operasional
Agar lebih mengarahkan dalam pembahasan, maka penulis
memberikan batasan variabel, meliputi:
a. Volatile foods yang digunakan adalah nilai padi-padian, umbi-umbian
dan hasilnya, daging dan hasil-hasilnya, ikan segar, ikan diawetkan,
telur, susu, sayur-sayuran, kacang-kacangan, buah-buahan, bumbu-
bumbuan, lemak dan minyak yang diukur dalam bentuk persen periode
2011-2017.
b. Jumlah uang beredar adalah seluruh uang kartal dan uang giral yang
ada ditangan masyarakat, dinyatakan dalam Rupiah periode 2011-2017.
c. Impor bahan makanan adalah nilai komoditas pangan yang diperoleh
dari luar negeri dalam satuan Rupiah periode 2011-2017
d. Jumlah Penduduk yang digunakan adalah jumlah penduduk yang ada di
Provinsi Sulawesi Selatan dinyatakan dalam bentuk Orang periode
2011-2017.
28
BAB IV
HASIL DAN PEMBAHASAN
4.1. Perkembangan Variabel
4.1.1. Perkembangan Variabel Volatile Foods Periode 2011-2017
Inflasi komponen bergejolak (Volatile Foods) adalah inflasi yang
dominan dipengaruhi oleh kejutan (Shocks) dalam kelompok bahan
makanan seperti panen, gangguan alam, atau faktor perkembangan harga
komoditas domestik maupun perkembangan harga pangan internasional.
Adapun perkembangan nilai volatile foods periode 2011-2017 adalah
sebagai berikut:
Tabel 4.1. Perkembangan Volatile foods periode 2011-2017
Bulan 2011 2012 2013 2014 2015 2016 2017
Januari 0,212 438,689,816 412,611,547 127,891,214 182,917,118 5,1 1,71
Februari -11,809,695 0,75787669 257,174,809 0,35746738 0,25540274 -0,89 1,4
Maret -2,044,833 130,655,261 157,369,811 -0,0734452 0,05747517 0,15
-1,64
April -0,9171629 147,524,796 -0,3363322 176,123,145 -0,2751198 -0,26
-0,36
Mei -0,0341433 -16,110,241 -0,0969912 -11,296,721 0,32455264 -0,71 -1,4
Juni 107,983,347 166,496,356 -0,0613005 144,695,824 234,257,414 0,72 1,98
Juli 257,508,114 210,171,249 730,487,858 368,601,447 221,427,972 3,3
Agustus 195,216,873 27,576,537 46,716,631 0,25504478 153,011,986 -1,83
September -30,585,495 -13,909,837 -1,184,927 0,29974801 179,866,349 0,34
Oktober -18,854,577 -15,755,923 -23,917,937 0,65047388 0,51511127 -0,06
November 0,16506751 -0,5335285 -29,663,212 55,112,389 0,7783634 1,64
Desember 340,845,086 171,260,601 22,003,569 752,578,012 253,490,668 0,3
Sumber: Bank Indonesia (2017)
29
Pada tahun 2011 nilai volatile foods mengalami trend peningkatan
dari bulan januari sampai bulan desember. Dimana nilai tertinggi terjadi pada
bulan Desember sebesar 3,41%, hal ini disebabkan karena adanya kenaikan
harga beras, daging sapi, daging babi, sayur-sayuran. Seperti diketahui,
bahwa bulan Desember terdapat hari raya Natal, maka terjadi kenaikan
daging babi di khususnya di Kota Makassar. Sedangkan nilai volatile foods
terendah terjadi pada bulan November yaitu 0,17%. Hal ini disebabkan
karena adanya penurunan harga komoditi pada ikan segar, telur, dan buah-
buahan. Sedangkan pada bulan Mei mengalami deflasi, karena terjadinya
penurunan harga pada beras, cabai merah, bawang merah, bawang putih,
dan sayur-sayuran.
Pada tahun 2012, mengalami trend penurunan mulai bulan januari
sampai bulan desember. Nilai volatile foods tertinggi terjadi pada bulan
januari yaitu 4,39%, hal ini disebabkan karena masih diikuti dengan kenaikan
harga komoditas yang terjadi pada bulan desember tahun 2011 yakni
komoditas beras dan daging ayam ras. Dua komoditas ini masih mengalami
peningkatan harga, sedangkan pada komoditas bumbu-bumbuan mengalami
penurunan harga. Nilai volatile foods terendah terjadi pada bulan februari.
Hal ini terjadi penurunan yang sangat drastis dari bulan januari ke bulan
februari menjadi 0,76%. Hal ini karena terjadinya penurunan harga yang
sangat besar pada daging ayam ras, bumbu-bumbuan, buah-buahan, sayur-
sayuran. Pada bulan November juga mengalami penurunan yang sangat
tinggi bahkan mencapai angka deflasi yakni 0,53%. Hal ini terjadi karena
harga daging ayam ras dan ikan segar mengalami penurunan harga.
Pada tahun 2013, mengalami trend penurunan dari bulan januari
sampai bulan desember. Nilai volatile foods tertinggi terjadi pada bulan
30
agustus sebesar 4,67%. Hal ini disebabkan karena adanya peningkatan
pada komoditas daging ayam, daging kerbau, daging sapi, ikan segar, telur,
sayur-sayuran. Sedangkan pada bulan maret mengalami inflasi terendah
sebesar 1,57%. Hal ini disebabkan karena adanya penurunan harga yang
sangat drastis pada komoditas beras, daging ayam dan ikan segar. Pada
bulan April masih mengalami penurunan nilai volatile foods sehingga terjadi
deflasi sebesar -0,34%. Hal ini disebabkan karena semua komoditas bahan
makanan mengalami penurunan harga.
Pada tahun 2014 nilai volatile foods mengalami trend peningkatan
mulai dari bulan Januari sampai bulan Desember. Nilai tertinggi terjadi pada
dua bulan berturut-turut yaitu bulan November dan Desember dimana
mencapai angka 5,51% kemudian meningkat menjadi 7,53%. Hal ini
disebabkan karena adanya faktor cuaca buruk yang berkepanjangan hal ini
ditandai dengan nilai inflasi yang mulai meningkat pada bulan Juli hingga
Desember, sehingga harga setiap bahan makanan terus melonjak naik.
Namun pada bulan Maret nilai volatile foods mengalami deflasi. Hal ini
disebabkan karena terjadinya penurunan harga dari bulan Februari ke bulan
Maret. Adapun harga bahan makanan yang mengalami penurunan yaitu
beras, daging, telur, susu, sayur-sayuran dan buah-buahan.
Pada tahun 2015, nilai volatile foods masih mengalami trend yang
meningkat, hal ini dibuktikan karena pada bulan Mei hingga Juli mengalami
peningkatan kemudian dilanjutkan pada bulan Oktober hingga Desember.
Nilai tertinggi terjadi pada bulan Desember, sebesar 2,53%. Hal ini
disebabkan karena naiknya harga bumbu-bumbuan khususnya cabai merah,
cabai rawit dan bawang merah. Sedangkan pada bulan Maret mengalami
penurunan nilai yaitu 0,06%. Hal ini disebabkan karena harga bahan
31
makanan pada komoditas daging ayam, telur, bawang putih, merica, dan
cabai rawit.
Pada tahun 2016, nilai volatile foods mengalam trend penurunan
dari bulan Januari hingga Desember. Hal ini diketahui bahwa pada nilai
volatile foods bulan Januari mencapai 5,10%, peningkatan ini disebabkan
karena meningkatnya harga pada komoditas telur ayam ras, ikan bandeng,
daun bawang, tomat, cabai rawit dan cabai merah. Sedangkan pada bulan
Maret mengalami nilai volatile foods yang terendah yaitu 0,15%. Hal ini
terjadi karena adanya penurunan harga pada komoditas daging ayam ras,
telur, dan cabai merah.
Pada tahun 2017, mulai dari bulan Januari hingga juni mengalami
trend yang menurun, hal ini terjadi karena nilai tertinggi terjadi pada bulan
Juni yang mencapai 2,10%, hal ini disebabkan karena meningkatnya harga
ikan segar, telur, susu, dan daging. Sedangkan pada bulan januari hingga
bulan mei terus-menerus mengalami penurunan nilai volatile foods sehingga
pada bulan Mei mengalami deflasi yaitu -1,4%. Hal ini disebabkan karena
hampir semua komoditas mengalami penurunan harga, kecuali komoditas
ikan yang harganya masih meningkat.
4.1.2. Perkembangan variabel jumlah uang beredar periode 2011-
2017.
Jumlah uang beredal dalam arti sempit atau narrow
money adalah daya beli yang langsung bisa digunakan untuk pembayaran
atau dapat diperluas mencakup alat-alat pembayaran yang mendekati
“uang” (deposito berjangka dan tabungan). Narrow money yang biasanya
disimbolkan dengan M1 terdiri dari uang tunai/kartal (currency) dan uang
32
giral (Demand Deposit). Uang kartal merupakan uang kertas dan uang
logam yang ada di tangan masyarakat umum, sedangkan uang giral
mencakup saldo rekening koran/giro milik masyarakat umum yang disimpan
di bank. (Mishkin, 2006)
Adapun perkembangan jumlah uang beredar periode 2011-2017,
dapat dilihat pada Tabel 4.2 adalah sebagai berikut:
Tabel 4.2.
Perkembangan jumlah uang beredar periode 2011-2017
Bulan 2011 2012 2013 2014 2015 2016 2017
Januari 60416
9 69632
3 78786
0 84267
8 918079,
5 104625
7 119150
0
Februari 58589
0 68325
3 78654
9 83453
2 927847,
5 103555
1 119603
7
Maret 58060
1 71425
8 81005
5 85350
2 957580,
5 106473
8 121585
7
April 58463
4 72087
6 83221
3 88047
0 959376,
5 108921
2 124592
7
Mei 61179
1 74940
3 82287
6 90672
7 980915,
3 111876
8 127589
3
Juni 63620
6 77936
7 85849
9 94571
8 1039518
1184329
1341887
Juli 63968
8 77173
9 87998
6 91856
6 1031906
1144501
Agustus 66280
6 77237
8 85578
3 89582
7 1026323
1135548
September
656096
795460
867715
949168
1063039 112604
6
Oktober 66500
0 77492
3 85617
1 94034
9 1036311
1142786
November 66758
7 80134
5 87041
2 95553
5 1051191
1182730
Desember 72299
1 84165
2 88708
4 94222
1 1055440
1237643
Sumber: Bank Indonesia (2017)
Pada tahun 2011, nilai jumlah uang beredar mengalami trend
peningkatan. Hal ini disebabkan karena pada bulan Maret sampai bulan Juli
33
mengalami peningkatan dan dilanjutkan pada bulan September hingga
Desember nilai jumlah uang beredar masih terus meningkat hingga
Rp.722.991 Ribu. Peningkatan ini didorong oleh mobilisasi giro rupiah oleh
perbankan terkait dengan kredit yang ekspansif sejalan dengan kegiatan
ekonomi yang meningkat.
Pada tahun 2012, masih terjadi peningkatan dari bulan januari
hingga Desember. Walaupun pada bulan Desember tahun 2011 ke bulan
Januari hingga Februari nilai jumlah uang beredar mengalami penurunan,
namun pada bulan Februari hingga Desember mengalami peningkatan yang
mencapai Rp. 841.652 ribu. Hal ini disebabkan karena meningkatnya
kebutuhan masyarakat terutama pada hari raya keagamaan. Dengan
adanya hari raya keagamaan mengakibatkan masyarakat akan menarik
uang kartal mereka dari bank untuk memenuhi kebutuhan perekonomian
masyarakat.
Pada tahun 2013, menunjukkan trend peningkatan dari bulan
Januari hingga Desember. Namun, pada bulan Desember tahun 2012 ke
bulan Februari menunjukkan penurunan mencapai Rp. 786.549 ribu. Hal ini
disebabkan karena masyarakat cenderung menyimpan uang mereka
dibandingkan menariknya keluar, akibat tidak adanya keperluan yang
mendesak. Pada tahun ini setiap dua bulan terjadi peningkatan lalu terjadi
penurunan. Pada bulan Oktober sampai bulan Desember mengalami
peningkatan mencapai Rp. 887.084 ribu. Hal ini disebabkan karena pada
bulan tersebut merupakan hari raya keagamaan dan meningkatnya
kebutuhan masyarakat, sehingga mereka lebih memilih untuk mengambil
uang dari Bank dibanding menyimpannya.
34
Pada tahun 2014, menunjukkan trend peningkatan. Hal ini
disebabkan karena pada bulan Februari hingga bulan Juni mengalami
peningatan yang sangat besar yaitu Rp. 834.532 ribu (Februari) menjadi Rp.
945.718 ribu (Juni). Hal ini disebabkan karena meningkatnya konsumsi
rumah tangga masyarakat. Masyarakat mengambil uang dari bank untuk
memenuhi kebutuhan konsumsi rumah tangga,
Pada tahun 2015, jumlah uang beredar masih mengalami trend
yang meningkat. Dilihat dari bulan Januari (Rp. 918.079 ribu) sampai bulan
Juni menjadi Rp. 1.039.517 ribu. Hal ini disebabkan karena meningkatnya
konsumsi masyarakat pada bulan Ramadhan. Sedangkan, pada bulan Juni
hingga Agustus mengalami penurunan mencapai Rp. 1.026.322 juta.
Penurunan M1 disebabkan oleh melambatnya pertumbuhan simpanan Giro
Rupiah. Kemudian peningkatan mulai terjadi pada bulan Agustus hingga
Desember yang mencapai Rp. 1.055.439 juta. peningkatan uang beredar
karena tingginya permintaan uang kartal masyarakat pada akhir tahun terkait
libur Natal dan tahun baru.
Pada tahun 2016, nilai jumlah uang beredar mengalami trend yang
meningkat. Dikarenakan pada bulan Februari (Rp. 1.035.550 juta) terjadi
peningkatan hingga bulan Juni (Rp. 1.184.328 juta). hal ini disebabkan
karena meningkatnya kebutuhan ekonomi masyarakat. Sedangkan pada
bulan September mengalami penurunan dari Rp. 1.135.548 juta pada bulan
Agustus menjadi Rp. 1.126.046 juta. penurunan ini disebabkan karena
masyarakat cenderung menyimpan uang mereka dibandingkan
mengambilnya di bank. Karena kebutuhan konsumsi mereka cenderung
menurun. Namun, pada tiga bulan terakhir mengalami peningkatan
35
mencapai Rp. 1.237.642 juta. karena adanya peningkatan konsumsi
masyarakat pada hari raya Idul Adha dan hari raya Natal.
Pada tahun 2017, dari bulan Desember (2016) Rp. 1.237.642 juta
menjadi Rp. 1.191.499 juta. Hal ini disebabkan karena kebutuhan konsumsi
masyarakat sudah normal. Pada bulan Januari sudah kurang kebutuhan
masyarakat. Tapi mulai bulan Februari Rp.1.196.036 juta hingga bulan Juni
Rp.1.341.886 terus mengalami peningkatan. Hal ini disebabkan oleh
kebutuhan masyarakat terhadap uang kartal selama Ramadhan dan libur
panjang Idul Fitri di akhir Juni tahun 2017.
4.1.3. Perkembangan Impor periode 2011-2017
Impor adalah kegiatan memasukkan barang ke dalam daerah
pabean. Transaksi impor adalah perdagangan dengan cara memasukkan
barang dari luar negeri ke dalam daerah pabean Indonesia dengan
mematuhi ketentuan peraturan perudang-undangan yang berlaku (Tandjung,
2011). Impor bahan makanan adalah bahan makanan dari luar negeri yang
masuk ke Negara Indonesia. Indonesia mengimpor bahan makanan untuk
menjaga stabilitas harga kebutuhan pangan.
Adapun perkembangan impor Sulawesi Selatan mulai tahun 2011
bulan januari sampai bulan juni tahun 2017. Perkembangan ini dapat dilihat
pada tabel 4.3. adalah sebagai berikut:
Tabel 4.3. Perkembangan variabel impor periode 2011-2017 Provinsi Sulawesi Selatan
Bulan 2011 2012 2013 2014 2015 2016 2017
Januari 16956396 20936745 18011904 16511760 16415912 14314556 16800000
Februari 17495712 21023073 17706894 16469129 16347890 14012880 7930000
Maret 17997278 21071651 17425786 16425959 16260398 13691733 13540000
April 18461095 21082481 17168579 16382252 16153434 13351115 2410000
36
Mei 18887163 21055561 16935273 16338006 16026999 12991026 10090000
Juni 19275482 20990892 16725869 16293223 15881093 12611465 14470000
Juli 19626053 20888475 16540367 16247901 15715716 12212433
Agustus 19938874 20748308 16378766 16202041 15530867 11793930
September 20213946 20570393 16241067 16155643 15326548 11355956
Oktober 20451270 20354728 16127269 16108707 15102757 10898510
November 20650844 20101315 16037372 16061233 14859494 10421593
Desember 20812669 19810152 15971377 16013221 14596761 9925205
Sumber, Statistik Impor Sulawesi Selatan, 2017
Dilihat pada tabel 4.3. mulai tahun 2011 sampai tahun 2017
memiliki trend yang menurun. Namun jika dilihat dari tahun 2011. Mulai dari
bulan Januari sampai bulan Desember mengalami trend yang meningkat.
Pada bulan Januari impor bahan makanan mencapai USD 16.956.396 juta
menjadi USD. 20.812.669 juta pada bulan Desember. Hal ini disebabkan
karena meningkatnya kebutuhan masyarakat, sehingga pasokan yang ada
tidak mencukupi untuk memenuhi kebutuhan masyarakat. Maka dari itu
pemerintah setempat melakukan impor bahan makanan.
Pada tahun 2012, menunjukkan trend yang menurun dari bulan
Januari sampai bulan Desember. Dilihat pada bulan Januari USD
20.936.745 juta menjadi USD 21.082.481 juta pada bulan April. Peningkatan
ini diakibatkan oleh impor daging ayam dan gandum, walaupun Sulawesi
Selatan adalah penghasil beras, namun pada bulan Januari hingga April
kebutuhan pangan masyarakat berkurang. Namun, dari bulan April sampai
bulan Desember USD. 19.810.152 juta. hal ini disebabkan karena pada
bulan Januari hingga April pemerintah telah melakukan impor bahan
makanan. Hal ini sudah memenuhi kebutuhan masyarakat untuk bulan April
sampai bulan Desember. Maka dari itu telah terjadi penurunan impor bahan
makanan.
37
Pada tahun 2013. Menunjukkan trend penurunan dari bulan
Januari hingga bulan Desember. Dapat dilihat pada bulan Januari impor
mencapai USD.18.011.904 Juta menjadi USD. 15.971.377 juta pada bulan
Desember. Hal ini disebabkan oleh meningkatnya pasokan bahan makanan
di Provinsi Sulawesi Selatan. Maka dari itu pemerintah setempat mengurangi
impor bahan makanan. Pemerintah mengimpor pada tahun 2013 untuk
memenuhi kebutuhan bahan baku makanan yang diberikan untuk
melakukan industri makanan domestik.
Pada tahun 2014, bulan Januari menunjukkan peningkatan dari
bulan Desember tahun 2013 USD. 15.971.377 juta menjadi USD.
16.511.760 juta. Hal ini disebabkan oleh pemerintah yang mengimpor bahan
makanan untuk memenuhi pasokan masyarakat. Namun, secara
keseluruhan nilai impor bahan makanan masih menunjukkan trend yang
menurun dari bulan Januari hingga bulan Desember. Hal ini ditunjukkan
pada bulan Januari USD. 16.511.760 juta hingga bulan Desember USD.
16.013.221 juta. hal ini disebabkan karena pasokan bahan makanan di
Provinsi Sulawesi Selatan masih memenuhi kebutuhan masyarakat. Maka
dari itu terjadi pengurangan impor bahan makanan.
Pada tahun 2015, dari bulan Desember (2014) ke bulan Januari
(2015) terjadi peningkatan menjadi USD. 16.415.912 juta, Hal ini dilakukan
pemerintah setempat untuk untuk menjaga pasokan dan upaya stabilisasi
harga, agar tidak ada kelangkaan bahan makanan yang bisa menimbulkan
keresahan masyarakat. sehingga pada bulan Februari sampai bulan
Desember pemerintah setempat akan mengurangi impor bahan makanan,
karena telah dilakukan pada bulan Januari. Maka dari itu secara keseluruhan
38
pada tahun 2015 terjadi trend penurunan dari bulan Februari USD.
16.347.890 juta hingga bulan Desember USD. 14.596.761 juta.
Pada tahun 2016, dari bulan Januari hingga bulan Desember
terjadi trend penurunan impor bahan makanan di Provinsi Sulawesi Selatan.
Hal ini dtunjukkan pada data bulan Januari USD. 14.314.556 juta menjadi
USD. 9.925.205 juta pada bulan Desember. Hal ini disebabkan karena
pasokan bahan makanan yang ada di Provinsi Sulawesi Selatan masih
memenuhi kebutuhan masyarakat. Sehingga pemerintah setempat
mengurangi impor bahan makanan di Provinsi Sulawesi Selatan.
Pada tahun 2017, terjadi trend yang menurun dari bulan Januari
hingga bulan Desember. Tapi, pada bulan Januari menunjukkan
peningkatan yang sangat tinggi dari bulan Desember tahun 2016 USD.
9.925.205 juta menjadi USD. 16.800.000 juta. hal ini menunjukkan bahwa
pasokan di Provinsi Sulawesi Selatan telah menurun dan pemerintah
setempat khawatir akan pemenuhan kebutuhan pangan masyarakat. Maka
dari itu pemerintah setempat melakukan impor bahan makanan, hal ini
dilakukan juga untuk memenuhi kebutuhan masyarakat sampai bulan Juni.
Sehingga pada tahun 2017 mengalami trend penurunan.
4.1.4. Perkembangan Jumlah Penduduk Periode 2011-2017 Provinsi
Sulawesi Selatan.
Penduduk adalah semua orang yang berdomisili di wilayah
teritorial Indonesia selama 6 bulan atau lebih dan atau mereka yang
berdomisili kurang dari 6 bulan tetapi bertujuan menetap. Adapun
perkembangan jumlah penduduk yang ada di Provinsi Sulawesi Selatan
39
periode 2011 bulan Januari sampai tahun 2017 bulan juni, adalah sebagai
berikut:
Tabel 4.4. Perkembangan jumlah penduduk periode 2011-2017 Provinsi
Sulawesi Selatan
Bulan 2011 2012 2013 2014 2015 2016 2017
Januari 676000 683000 691000
699000
706000
714000
721000
Februari 676000 684000 692000
699000
707000
714000
722000
Maret 677000 685000 693000
700000
708000
715000
723000
April 678000 686000 694000
701000
708000
716000
723000
Mei 679000 686000 694000
702000
709000
716000
724000
Juni 679000 687000 695000
702000
709000
717000
725000
Juli 680000 688000 695000
702000
710000
717000
Agustus 681000 688000 696000
704000
711000
718000
September
681000 689000 697000 70400
0 71200
0 71900
0
Oktober 681000 690000 697000
704000
712000
719000
November 683000 690000 698000
705000
713000
720000
Desember 683000 691000 698000
706000
713000
721000
Sumber, Badan Pusat Statistik, 2017
Dilihat dari tabel 4.4. menunjukkan trend peningkatan dimulai dari
tahun 2011 hingga tahun 2017 bulan juni. Provinsi Sulawesi Selatan
merupakan salah satu Provinsi dengan jumlah penduduk terbanyak. Kota
Makassar menjadi kota dengan jumlah penduduk terbanyak di Sulawesi
Selatan dengan jumlah penduduk yang meningkat tiap tahunnya. Pada
tahun 2011 jumlah penduduk Sulawesi Selatan mencapai 8.156.000 orang
meningkat pada tahun 2012 mencapai 8.250.000 orang, Hal ini
menunjukkan adanya pertambahan penduduk dari tahun 2011 ke tahun
40
2012 sebesar 94.000 orang. Pada tahun 2013 sampai tahun 2017 bulan Juni
juga mengindikasikan peningkatan yang cukup signifikan bahkan pada tahun
2016 jumlah penduduk sudah mencapai 8.606.375 orang. Jumlah penduduk
ini sangat besar dibandingkan Provinsi yang ada di Indonesia.
4.2. Hasil Analisis Pergerakan Volatile Foods di Provinsi Sulawesi
Selatan
Analisis yang akan dilakukan pada pengaruh jumlah uang beredar, impor
bahan makanan, dan jumlah penduduk terhadap volatile foods di Provinsi
Sulawesi Selatan menggunakan metoed ARCH-GARCH. Sebelum melakukan
pengujian ARCH-GARCH, maka akan dilakukan beberapa tahap. Pertama
adalah melakukan uji stasioneritas terhadap data yang akan dianalisis. Kedua
adalah identifikasi model Box-Jenkins (AR, MA) dengan memperhatikan hasil uji
stasioneritas.Ketiga adalah melakukan uji efek ARCH. Uji efek ARCH akan
menentukan apakah model yang dipilih dapat dianalisis lebih lanjut
menggunakan model ARCH-GARCH. Keempat adalah estimasi model ARCH-
GARCH dengan memilih model terbaik. Kelima adalah evaluasi model
menggunakan uji normalitas dan melakukan uji ARCH-LM untuk mengetahui
model ARCH-GARCH yang dipilih sudah terbebas dari efek ARCH. Keenam,
Pengujian terhadap GARCH, serta mengetahui pengaruh langsung variabel
indpenden terhadap variabel dependen.
4.2.1. Uji Stasioner Data
Data variabel volatile foods, jumlah uang beredar, impor bahan
makanan, dan jumlah penduduk terlebih dahulu dilakukan pengujian
stasioner. Uji stasioner dilakukan dengan melihatgrafik, korelogram ataupun
41
melakukan uji akar unit. Uji akar unit dapatmenggunakan banyak alat uji,
salah satunya adalah Augmented Dickey Fuller Test (ADF). Uji stasioneritas
penting dilakukan pada data runtut waktu agar data yang dihasilkan mudah
diduga dan tidak bias. Uji stasioneritas dapat dilakukan pada tingkat level,
first difference dan second difference.
Pada tabel 4.5. terlihat bahwa variabel volatile foods stasioner
pada tingkat level dengan probabilitas sebesar 0.0000 yang menunjukkan
Volatile foods signifikan, jumlah uang beredar stasioner pada second
difference dengan probabilitas sebesar 0.0000 yang menunjukkan jumlah
uang beredar signifikan, impor bahan makanan stasioner pada second
difference dengan probabilitas sebesar 0.0001 yang menunjukkan impor
bahan makanan signifikan, dan jumlah penduduk stasioner pada first
difference dengan probabilitas sebesar 0.0000 yang menunjukkan jumlah
penduduk signifikan. Secara lengkapnya dapat dilihat pada tabel sebagai
berikut:
Tabel 4.5.
Uji Stasioner Data (Augmented Dickey-Fuller)
Variabel Stasioner T-Statistic Probabilitas
Volatile Foods Level INF has a unit
root -7.150849 0.0000
Jumlah Uang
Beredar
Second difference D(JUB,2)
-7.794781 0.0000
Impor bahan
makanan
Second Difference:
D(IMPOR,2) -17.66095 0.0001
Jumlah penduduk First Difference : D(JP) -9.300386 0.0000
Sumber: olah data Eviews 8.0. (Lampiran 3)
42
4.2.2. Uji model Box-Jenkins AR-MA ( Autoregressive– Moving
Average)
Model Box-Jenkins ditentukan setelah dilakukan uji stasioneritas.
Beberapamodel Box-Jenkins yaitu Auto Regressive (AR), Moving Average
(MA). Pendugaan parameter ARMA pada variabel volatile foods, jumlah
uang beredar, impor, dan jumlah penduduk dapat dilihat pada Tabel 4.6.
Model terbaik dipilih setelah melakukan beberapa simulasi model ARMA.
Kriteria pemilihan model ARMA berdasarkan pada koefisien estimasi yang
signifikan, memiliki R-Squared danadjusted R-Squared terbesar, nilai AIC
dan SIC terkecil, serta nilai Standard Error of Regression dan Sum Square
Residual yang relatif kecil.
Tabel 4.6.
Model Box Jenkins (AR-MA)
Variabel Model Terbaik
Volatile foods AR(1) - AR(2) – MA(1) + MA(2) + MA(3)
Jumlah uang beredar AR(1) – MA(1) – MA(2)
Impor AR(1) + AR(2) – MA(1) + MA(2) – MA(3)
Jumlah penduduk AR(1) + AR(2) – MA(1)
Sumber, Hasil olah Eviews 8.00 (Lampiran 4)
4.2.3. Penggujian ARCH (Autoregressive Conditional
Heteroscedasticity)
Model ARCH-GARCH dapat digunakan untuk menghitung
volatilitas jika terdapat efek ARCH pada model AR-MA yang telah dipilih.
Pengujian efek ARCH dimaksudkan untuk mengetahui ada tidaknya
43
masalah heteroskedastisitas pada keempat variable yang dianalisis. Hasil
pengujian efek ARCH pada Tabel 4.7 menunjukkan bahwa hanya variabel
bahan makanan (volatile foods) yang memiliki masalah heteroskedastisitas
karena efek ARCH ditemukan pada setiap model. Efek ARCH yang
ditemukan pada setiap model terbaik mengindikasikan bahwa volatilitas
yang dihitung bervariasi antar waktu. Ada atau tidaknya efek ARCH
ditunjukkandari nilai probabilitas pada variabel volatile foods. Probabilitas
volatile foods bernilai kurang dari taraf nyata 5 persen, sehingga dapat
disimpulkan bahwa terdapat masalah heteroskedastisitas variabel volatile
foods. Masalah heteroskedastisitas dapat diselesaikan menggunakan model
ARCHGARCH.
Tabel 4.7.
Identifikasi efek ARCH pada variabel dependen dan independen
Variabel Model AR-MA F-Statistic Sig
Volatile foods AR(1) - AR(2) – MA(1) +
MA(2) + MA(3)
9,876617 0,002
Jumlah uang
beredar
AR(1) – MA(1) – MA(2) 0,015608 0,900
Impor AR(1) + AR(2) – MA(1) +
MA(2) – MA(3)
0,000176 0,9895
Jumlah penduduk AR(1) + AR(2) – MA(1) 3,708479 0,0580
Sumber: Hasil eviews 8.00 (Lampiran 5)
Ada tidaknya efek ARCH dalam model ARMA akan menentukan
model tersebut untuk analisis selanjutnya menggunakan ARCH-GARCH.
Berdasarkan Tabel 4.7, hanya volatile foods yang memiliki efek ARCH,
44
sehingga dapat dilakukan analisis volatilitas menggunakan ARCH-GARCH.
Model ARCH-GARCH terbaik dipilih berdasarkan kriteria yaitu, semua
koefisien signifikan dalam persamaan ragam, memiliki nilai, nilai AIC serta
SIC terkecil, dan memiliki nilai yang positif untuk semua koefisien pada
persamaan ragam. Berdasarkan kriteria yang ada, maka model ARCH-
GARCH yang dipilih untuk masing-masing variabel volatile foods
diperlihatkan pada Tabel 4.8 adalah sebagai berikut:
Tabel 4.8.
Model ARCH-GARCH pada volatile foods
Model Koefisien Probbilitas
ARCH (5) -0,106806 0,0386
Sumber: hasil olah Eviews 8.00 (lampiran 5)
Berdasarkan Tabel 4.8, model ARCH merupakan model terbaik
bagi volatile foods. Setelah memilih model ARCH-GARCH terbaik,hal
selanjutnya yang dilakukan adalah melakukan evaluasi terhadap model
tersebut. Evaluasi model dapat dilakukan melalui uji normalitas dengan
memperhatikan nilai statistik Jarque-Bera. Hasil uji statistik Jarque-Bera
dapat dilihat pada Tabel 4.9. Hasil uji normalitas menunjukkan bahwa nilai
Jarque-Bera tidak signifikan secara statistik yang berarti error model ter
distribusi normal. sehingga model ARCH-GARCH yang ditampilkan pada
Tabel 4.9 masih menjadi model terbaik. Maka dari itu pengujian ARCH-
GARCH sudah terbebas dari efek ARCH.
4.2.4. Pengujian GARCH (Generalized Autoregressive Conditional
Heteroscedasticity)
45
Hasil perhitungan untuk jumlah uang beredar, impor bahan
makanan dan jumlah penduduk terhadap volatile foods ditunjukkan pada
Tabel 4.9 adalah sebagai berikut:
Tabel 4.9.
Hasil regresi pengaruh jumlah uang beredar, impor bahan
makanan, jumlah penduduk terhadap volatile foods
Variabel Koefisien Sig
Konstanta 1620.803 0,0000
Jumlah uang beredar 13,99498 0,0000
Impor bahan makanan 1,290452 0,0029
Jumlah penduduk -137,0858 0,0000
R square 0,073402
Adjusted r-suare 0,035838
Sumber: hasil olah eviews 8.00 (lampiran 6)
Berdasarkan hasil regresi di atas dapat ditulis dalam bentuk
persamaan sebagai berikut:
Y = 1620,803 + 13,99498 X1 + 1,290452 X2 – 137,0858 X3
Pada tabel 4.5. variabel jumlah uang beredar (X1) menunjukkan
adanya hubungan positif dan signifikan terhadap volatile foods di Provinsi
Sulawesi Selatan periode 2011-2017. Hal ini ditunjukkan dengan nilai
koefisien sebesar 13,994 dan nilai probabilitas dibawah dari taraf
kepercayaan 0,05 yaitu 0,000. Artinya, Jika jumlah uang beredar meningkat
sebesar Rp. 13.994 ribu maka akan mengakibatkan kenaikan nilai volatile
foods di Provinsi Sulawesi Selatan tahun 2011-2017.
46
Pada tabel 4.5. variabel impor bahan makanan (X2) menunjukkan
adanya hubungan positif dan signifikan terhadap volatile foods di Provinsi
Sulawesi Selatan periode 2011-2017. Hal ini ditunjukkan dengan nilai
koefisien sebesar 1,290452 dan nilai probabilitas dibawah dari taraf
kepercayaan 0,05 yaitu 0,000. Artinya, Jika impor bahan makanan
meningkat sebesar Rp 1.290.452 juta maka akan mengakibatkan kenaikan
nilai volatile foods di Provinsi Sulawesi Selatan tahun 2011-2017.
Pada tabel 4.9. variabel jumlah penduduk (X3) menunjukkan
adanya hubungan negatif dan signifikan terhadap volatile foods di Provinsi
Sulawesi Selatan periode 2011-2017. Hal ini ditunjukkan dengan nilai
koefisien sebesar -137,0858 dan nilai probabilitas dibawah dari taraf
kepercayaan 0,05 yaitu 0,000. Artinya, Jika jumlah penduduk meningkat
sebesar Rp 137 ribu maka akan mengakibatkan penurunan nilai volatile
foods di Provinsi Sulawesi Selatan tahun 2011-2017.
4.2.5. Analisis Hasil Regresi Pengaruh Jumlah Uang Beredar, Impor
Bahan Makanan, Jumlah Penduduk Terhadap Volatile Foods
di Provinsi Sulawesi Selatan
4.2.5.1. Pengaruh Jumlah Uang Beredar Terhadap Volatile Foods
di Provinsi Sulawesi Selatan
Berdasarkan hasil estimasi pada tabel 4.9. variabel jumlah
uang beredar berpengaruh positif terhadap volatile foods dengan
koefisien regresi sebesar 13,994. Dan melalui taraf signifikansi lebih
besar dari nilai probabilitas yaitu 0,05 > 0,000 maka jumlah uang
47
beredar berpengaruh positif secara signifikan terhadap volatile foods di
Provinsi Sulawesi Selatan.
Uang beredar didefinisikan dalam arti sempit (M1) dan arti luas
(M2). Dalam penelitian ini uang beredar yang digunakan adalah uang
yang meliputi uang kartal yang dipegang oleh masyarakat dan tabungan
giro berdominasi Rupiah. M1 adalah daya beli yang langsung bisa
digunakan untuk pembayaran, bisa diperluas dan mencakup alat-alat
pembayaran yang mendekati uang, misalnya deposito berjangka (time
deposits) dan simpanan tabungan (saving deposits) pada bank-bank.
Menurut Milton Friedman teori permintaan uang pada dasarnya
menyatakan bahwa permintaan uang masyarakat ditentukan oleh
sejumlah variabel ekonomi, antara lain adalah pertumbuhan ekonomi,
suku bunga, dan tingkat harga. Sejalan dengan teori permintaan uang,
tingkat harga atau laju inflasi hanya akan berubah apabila jumlah uang
beredar tidak sesuai dengan jumlah yang diminta atau diperlukan oleh
suatu perekonomian. Apabila jumlah uang yang beredar lebih besar
dibandingkan dengan jumlah uang yang diminta atau dibutuhan oleh
masyarakat, tingkat harga akan meningkat dan terjadilah inflasi.
Sebaliknya, apabila jumlah uang yang beredar lebih kecil dengan jumlah
uang yang dibutuhkan oleh masyarakat, tingkat harga akan turun dan
terjadi apa yang disebut sebagai deflasi.
Berdasarkan pergerakan data uang beredar selama periode
2011-2017 menyebutkan bahwa pada tahun 2011 uang beredar
mengalami trend yang meningkat dari bulan Januari hingga bulan
Desember mencapai Rp. 722.991 Ribu sehingga mengakibatkan nilai
48
volatile foods meningkat. Pada tahun 2011 volatile foods menunjukkan
trend peningkatan hingga bulan Desember yang mencapai 3,41%.
Berdasarkan fenomena diatas baik dari segi teori kuantitas
menyatakan bahwa apabila uang banyak beredar di masyarakat
meningkat akan mengakibatkan tingkat harga meningkat sehingga
menyebabkan inflasi meningkat. Hal ini sejalan dengan hasil penelitian
yang telah dilakukan pada tabel 4.9. bahwa apabila kenaikan uang
beredar akan mengakibatkan kenaikan nilai volatile foods.
Dengan demikian hipotesis yang menyatakan bahwa uang
beredar memiliki pengaruh positif terhadap nilai volatile foods secara
signifikan di Provinsi Sulawesi Selatan periode 2011-2017 terbukti
sesuai dengan hasil penelitian dari hasil regresi (tabel 4.9.).
4.2.5.2. Pengaruh Impor Bahan Makanan Terhadap Volatile Foods
di Provinsi Sulawesi Selatan
Berdasarkan hasil estimasi pada tabel 4.9. variabel impor
bahan makanan (X2) menunjukkan adanya hubungan positif dan
signifikan terhadap volatile foods di Provinsi Sulawesi Selatan periode
2011-2017. Hal ini ditunjukkan dengan nilai koefisien sebesar 1,290452
dan nilai probabilitas lebih kecil dari taraf kepercayaan yaitu 0,000 <
0,05.
Impor adalah kegiatan memasukkan barang ke dalam daerah
bagian. Transaksi impor adalah perdagangan dengan cara
memasukkan barang dari luar negeri ke dalam daerah pabean
Indonesia dengan mematuhi ketentuan peraturan perudang-undangan
yang berlaku (Tandjung, 2011). Pada penelitian ini impor yang
49
digunakan adalah impor bahan makanan di Provinsi Sulawesi Selatan.
Bahan makanan yang didapatkan dari luar negeri dan masuk ke wilayah
Sulawesi Selatan adalah impor bahan makanan.
Menurut teori struktural mengatakan bahwa masalah struktural
perekonomian negara berkembang lainnya adalah produksi bahan
makanan dalam negeri yang tidak elastis, yaitu pertumbuhan produksi
makanan dalam negeri tidak secepat pertambahan penduduk dan
pendapatan perkapita sehingga harga makanan dalam negeri
cenderung meningkat lebih tinggi daripada kenaikan harga barang-
barang lainnya. Hal ini mendorong timbulnya tuntutan kenaikan upah
dari pekerja sektor industri yang selanjutnya akan meningkatkan biaya
produksi dan pada gilirannya akan menimbulkan inflasi.
Berdasarkan perkembangan impor bahan makanan pada
periode 2011-2017. Selalu menunjukkan trend penurunan. Namun pada
awal tahun selalu menunjukkan kenaikan impor bahan makanan.
Seperti kita ketahui bahwa setiap penurunan impor bahan makanan juga
mengakibatkan penurunan pada volatile foods dimana ditunjukkan pada
tahun 2012 yaitu nilai impor bahan makanan dari bulan Januari hingga
Desember mencapai USD. 19.810.152 juta. hal ini mengakibatkan
penurunan pada volatile foods dari bulan Januari hingga bulan
Desember mencapai 1,71%.
Berdasarkan fenomena diatas baik dari segi teori structural
maupun perkembangan data menyatakan bahwa apabila impor bahan
makanan di masyarakat menurun atau meningkt akan mengakibatkan
tingkat harga meningkat sehingga menyebabkan inflasi meningkat atau
menurun. Hal ini sejalan dengan hasil penelitian yang telah dilakukan
50
pada tabel 4.9. bahwa apabila kenaikan atau penurunan impor bahan
makanan akan mengakibatkan kenaikan/penurunan nilai volatile foods.
Dengan demikian hipotesis yang menyatakan bahwa impor
bahan makanan memiliki pengaruh positif terhadap nilai volatile foods
secara signifikan di Provinsi Sulawesi Selatan periode 2011-2017
terbukti sesuai dengan hasil penelitian dari hasil regresi (tabel 4.9.)
4.2.5.3. Pengaruh Jumlah Penduduk Terhadap Volatile Foods di
Provinsi Sulawesi Selatan
Penduduk adalah semua orang yang menetap di suatu daerah
tertentu dalam waktu tertentu. Jumlah penduduk adalah jumlah yang
menempati suatu wilayah pada waktu tertentu. Untuk mengetahui
jumlah penduduk suatu daerah atau negara dapat dilakukan dengan tiga
cara, yaitu sensus penduduk, survey penduduk dak registrasi penduduk.
Pada penelitian penduduk yang digunakan adalah jumah penduduk
gabungan antara perempuan dan laki-laki yang menetap seluruh
wilayah yang ada di Provinsi Sulawesi Selatan.
Teori permintaan aggregate mengemukakan bahwa jika
permintaan suatu masyarakat meningkat akan mengakibatkan uang
beredar meningkat sehingga menimbulkan tingkat harga suatu barang
meningkat pula dan menyebabkan kenaikan inflasi. Artinya dalam teori
permintaan aggregate setiap pertumbuhan penduduk meningkat juga
mengakibatkan kenaikan tingkat harga.
Hal ini tidak sejalan dengan hasil estimasi yang dilakukan pada
tabel 4.5 yaitu jumlah penduduk berpengaruh negatif terhadap nilai
volatile foods. Namun fakta yang telah ditemukan bahwa setiap tahun
51
dari 2011-2017 menunjukkan peningkatan cukup signifikan dan nilai
volatile foods tidak menunjukkan peningkatan yang terjadi setiap tahun.
Pada tahun 2012 nilai volatile foods menunjukkan trend penurunan pada
tabel 4.1. sedangkan jumah penduduk masih menunjukkan trend
peningkatan pada tabel 4.4. Berdasarkan fakta di atas menunjukkan
bahwa apabila jumlah penduduk meningkat akan mengakibatkan
penurunan pada volatile foods. Harga beras di Sulawesi Selatan lebih
rendah dari pada harga beras nasional. Hal ini dikarenakan produksi
beras di Sulawesi Selatan yang lebih besar dibandingkan kebutuhan
penduduknya, sehingga ketersediaan beras mengalami surplus. Harga
beras rata-rata nasional mencapai 10 ribu lebih perkilogram, sementara
Sulawesi Selatan hanya 9 ribu perkilogram. Kondisi ini yang
mengakibatkan harga beras di Sulawesi Selatan rendah atau lebih
murah dibandingkan dengan beras nasional.
Dengan demikian hipotesis yang menyatakan bahwa jumlah
penduduk memiliki pengaruh positif terhadap volatile foods di Provinsi
Sulawesi Selatan terbukti tidak sesuai dengan hasil penelitian dari hasil
regresi (tabel 4.9.).
52
BAB V
PENUTUP
5.1. Kesimpulan
1. Jumlah uang beredar berpengaruh positif terhadap ketidakstabilan
harga bahan pangan (volatile foods) di Provinsi Sulawesi Selatan
periode 2011-2017. Artinya setiap kenaikan jumlah uang beredar
akan mengakibatkan kenaikan volatile foods.
2. Impor bahan makanan berpengaruh positif terhadap ketidakstabilan
harga bahan pangan (volatile foods) di Provinsi Sulawesi Selatan
periode 2011-2017. Artinya setiap kenaikan impor bahan makanan
akan mengakibatkan kenaikan volatile foods.
3. Jumlah penduduk berpengaruh negatif terhadap ketidakstabilan harga
bahan pangan (volatile foods) di Provinsi Sulawesi Selatan periode
2011-2017. Artinya setiap kenaikan jumlah penduduk akan
mengakibatkan penurunan nilai volatile foods.
5.2. Saran
1. Diharapkan pemerintah bidang perdagangan agar lebih memantau
kenaikan harga agar menstabilkan nilai inflasi khususnya bahan
makanan.
2. Diharapkan pemerintah Bank Indonesia menjaga peredaran uang di
masyarakat untuk menstabilkan nilai inflasi khususnya bahan
makanan
3. Diharapkan pemerintah lebih menjaga atau menekan impor bahan
makanan agar tingkat harga lebih stabil.
53
DAFTAR PUSTAKA
Anwar, Anas Iswanto, et all. “The Role of Finacial Inclusion to Poverty Reduction in Indonesia”, IOSR Journal of Business and Management Vol.18, Issue 6, Ver.3, Jun-2016
Arifin. 2007. Diagnosis Ekonomi Politik Pangan dan Pertanian. Jakarta: Raja Grafindo Persada
Badan pusat statistik. 2015. Berita resmi statistik. Sulawesi Selatan: BPS
Bhinadi. 2012. Struktur pasar, distribusi, dan pembentukan harga beras. Yogyakarta : Lembaga Penerbit Fakultas Ekonomi Universitas Pembangunan Nasional “Veteran”
Boediono.1994. Ekonomi Moneter. Seri Sinopsis Pengantar Ilmu Ekonom iNo. 2.BPFE : Yogyakarta.
Boediono. 2005. Ekonomi Moneter, Edisi 3, BPFE, Yogyakarta
Bourdon MH. 2011. Agricultural Commodity Price Volatility. OECD Food,Agriculture and Fisheries Papers No. 52.
Firdaus M. 2009. Manajemen Agribisnis. Jakarta (ID): Bumi Aksara
Fischer, Sahay, Vegh. 2002. Modern Hyper and High Inflation. International Monetary Fund Working Paper.
Gujarati, Damodar N. (2004). Basic Hadi. 2004, Analisis Keunggulan Komparatif dan Kompetitif Usahatani di
Indonesia. Bogor : Department of Economics, Bogor Agricultural University.
Lindert,P.H dan C.P Kindleberger. 1995, “Ekonomi Internasional”. Jakarta :
Erlangga
Mankiw G. 2000. Teori Makroekonomi. Imam Nurmawan, penerjemah. Jakarta: Erlangga.
Miguez dan Michelena. 2011. La Volatilidad De Los Precios De Los Commodities El Caso De Los Productos Agrícolas. Buenos Aires: CEI
Mishkin, Frederic S. 2006, The Economics of Addison Weasley Nachrowi DN, Usman H. 2006. Pendekatan Populer dan Praktis
Ekonometrikauntuk Analisis Ekonomi dan Keuangan. Jakarta: Lembaga PenerbitFakultas Ekonomi Universitas Indonesia.
Nurliza. 2017. The nature of food commodity prices volatility in driving inflation and
policy. Lembaga Penerbit Fakultas Ekonomi Universitas Tanjung Pura
54
Prastowo, Nugroho., Tri Yanuarti & Yoni Depari. (2008). “Pengaruh Distribusi Dalam Pembentukan Harga Komoditas dan Implikasinya Terhadap Inflasi”. Dalam Working Paper No. WP/07/2008, Bank Indonesia.
Rahardja P dan Manurung M. 2008. Pengantar Ilmu Ekonomi (Mikroekonomi dan
Makroekonomi). Edisi Ke-3. Jakarta: Lembaga Penerbit Fakultas Ekonomi UI.
Reza, firdaus dan novianti. 2014. Analyses of food price stabilization in indonesian.
Bogor : Department of Economics, Bogor Agricultural University.
Riyadh MI, Oktaviani R, Siregar H. 2009. Analisis fluktuasi nilai tukar rupiah daninflasi Indonesia periode 1999-2006. Jurnal Form Pascasarjana IPB.
Salvatore D. 1997. Ekonomi Internasional, Edisi Kelima. Jilid 1. Jakarta: Penerbit
Erlangga. Santoso T. 2011. Aplikasi model GARCH pada data inflasi bahan
makananIndonesia periode 2005. Jurnal Organisasi dan Manajemen Saputra. 2014. “Analisi Kausalitas Harga Beras,Harga Pembelian Pemerintah
(HPP) dan Inflasi Serta Efektifitas Kebijakan HPP di Indonesia”. Lampung : Lembaga Penerbit Fakultas Pertanian Universitas Lampung
Sugiarto, Herlambang T, Brastoro Sudjana R, Kelana S. 2007. Ekonomi Mikro:
Sebuah Kajian Komprehensif. Jakarta: PT Gramedia Pustaka Utama Sumaryanto. 2009. analisis volatilitas harga eceran beberapa komoditas pangan
utama dengan model ARCH/GARCH. Bogor : Pusat Analisis Sosial Ekonomi dan Kebijakan Pertanian.
Tandjung, Marolop. 2011. Aspek dan Prosedur Ekspor- Impor. Jakarta:
SalembaEmpat
Walsh JP. 2011. Reconsidering the Role of Food Prices in Inflation. International Monetary Fund Working Paper
Widiarsih D. 2012. Pengaruh sektor komoditi beras terhadap inflasi
bahanmakanan. Jurnal Sosial Ekonomi Pembangunan.
56
LAMPIRAN 1. Volatilitas nilai volatile food
LAMPIRAN 2. Uji Stasioner Data
1. Volatile foods
Null Hypothesis: INF has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=11) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.150849 0.0000
Test critical values: 1% level -3.519050
5% level -2.900137
10% level -2.587409 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(INF)
Method: Least Squares
Date: 09/05/17 Time: 17:34
Sample (adjusted): 2011M03 2017M06
Included observations: 76 after adjustments Variable Coefficient Std. Error t-Statistic Prob. INF(-1) -0.919368 0.128568 -7.150849 0.0000
D(INF(-1)) 0.338223 0.110967 3.047963 0.0032
C 0.889600 0.250769 3.547480 0.0007
57
R-squared 0.421133 Mean dependent var 0.041592
Adjusted R-squared 0.405273 S.D. dependent var 2.495420
S.E. of regression 1.924431 Akaike info criterion 4.185811
Sum squared resid 270.3507 Schwarz criterion 4.277814
Log likelihood -156.0608 Hannan-Quinn criter. 4.222580
F-statistic 26.55419 Durbin-Watson stat 2.157831
Prob(F-statistic) 0.000000
2. Jumlah uang beredar
Null Hypothesis: D(JUB,2) has a unit root
Exogenous: Constant
Lag Length: 10 (Automatic - based on SIC, maxlag=11) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.794781 0.0000
Test critical values: 1% level -3.534868
5% level -2.906923
10% level -2.591006 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(JUB,3)
Method: Least Squares
Date: 09/05/17 Time: 17:36
Sample (adjusted): 2012M02 2017M06
Included observations: 65 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(JUB(-1),2) -12.35192 1.584639 -7.794781 0.0000
D(JUB(-1),3) 10.26713 1.522357 6.744234 0.0000
D(JUB(-2),3) 9.047457 1.434898 6.305295 0.0000
D(JUB(-3),3) 7.834849 1.301746 6.018725 0.0000
D(JUB(-4),3) 6.599432 1.152000 5.728674 0.0000
D(JUB(-5),3) 5.348463 0.966957 5.531231 0.0000
D(JUB(-6),3) 4.260903 0.766989 5.555366 0.0000
D(JUB(-7),3) 3.302637 0.573273 5.761018 0.0000
D(JUB(-8),3) 2.268964 0.397653 5.705888 0.0000
D(JUB(-9),3) 1.411085 0.230082 6.132959 0.0000
D(JUB(-10),3) 0.575966 0.106361 5.415174 0.0000
C -0.000395 0.002627 -0.150481 0.8810 R-squared 0.928207 Mean dependent var 0.002215
Adjusted R-squared 0.913306 S.D. dependent var 0.071643
S.E. of regression 0.021094 Akaike info criterion -4.714485
Sum squared resid 0.023584 Schwarz criterion -4.313059
Log likelihood 165.2207 Hannan-Quinn criter. -4.556097
F-statistic 62.29370 Durbin-Watson stat 2.092349
Prob(F-statistic) 0.000000
58
3. Impor Bahan Makanan
Null Hypothesis: D(IMPOR,2) has a unit root
Exogenous: Constant
Lag Length: 3 (Automatic - based on SIC, maxlag=11) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -17.66095 0.0001
Test critical values: 1% level -3.524233
5% level -2.902358
10% level -2.588587 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IMPOR,3)
Method: Least Squares
Date: 09/05/17 Time: 17:33
Sample (adjusted): 2011M07 2017M06
Included observations: 72 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(IMPOR(-1),2) -9.304364 0.526833 -17.66095 0.0000
D(IMPOR(-1),3) 6.761347 0.462705 14.61265 0.0000
D(IMPOR(-2),3) 5.750301 0.371395 15.48299 0.0000
D(IMPOR(-3),3) 3.424134 0.216432 15.82084 0.0000
C -0.008688 0.016262 -0.534293 0.5949 R-squared 0.982372 Mean dependent var -0.014933
Adjusted R-squared 0.981319 S.D. dependent var 0.995406
S.E. of regression 0.136050 Akaike info criterion -1.084680
Sum squared resid 1.240135 Schwarz criterion -0.926578
Log likelihood 44.04848 Hannan-Quinn criter. -1.021739
F-statistic 933.4283 Durbin-Watson stat 2.254692
Prob(F-statistic) 0.000000
4. Jumlah Penduduk
Null Hypothesis: D(JP) has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic - based on SIC, maxlag=11) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -9.300386 0.0000
Test critical values: 1% level -3.521579
5% level -2.901217
10% level -2.587981 *MacKinnon (1996) one-sided p-values.
59
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(JP,2)
Method: Least Squares
Date: 09/05/17 Time: 17:35
Sample (adjusted): 2011M05 2017M06
Included observations: 74 after adjustments Variable Coefficient Std. Error t-Statistic Prob. D(JP(-1)) -2.812375 0.302393 -9.300386 0.0000
D(JP(-1),2) 0.977975 0.217085 4.505040 0.0000
D(JP(-2),2) 0.281643 0.114310 2.463858 0.0162
C 0.002551 0.000283 9.025167 0.0000 R-squared 0.815608 Mean dependent var -1.29E-06
Adjusted R-squared 0.807705 S.D. dependent var 0.001317
S.E. of regression 0.000578 Akaike info criterion -12.02275
Sum squared resid 2.34E-05 Schwarz criterion -11.89821
Log likelihood 448.8419 Hannan-Quinn criter. -11.97307
F-statistic 103.2086 Durbin-Watson stat 2.025449
Prob(F-statistic) 0.000000
LAMPIRAN 3. UJI AR-MA
1. Volatile Foods
Dependent Variable: VF
Method: Least Squares
Date: 09/26/17 Time: 12:05
Sample (adjusted): 2011M03 2017M06
Included observations: 76 after adjustments
Convergence achieved after 21 iterations
MA Backcast: 2010M12 2011M02 Variable Coefficient Std. Error t-Statistic Prob. C 1.006182 0.230771 4.360091 0.0000
AR(1) 0.973113 0.016570 58.72817 0.0000
AR(2) -0.971685 0.015913 -61.06142 0.0000
MA(1) -0.770051 0.117345 -6.562303 0.0000
MA(2) 0.754281 0.115117 6.552294 0.0000
MA(3) 0.205733 0.113012 1.820444 0.0730 R-squared 0.410309 Mean dependent var 0.956170
Adjusted R-squared 0.368188 S.D. dependent var 2.121427
S.E. of regression 1.686251 Akaike info criterion 3.958549
Sum squared resid 199.0409 Schwarz criterion 4.142554
Log likelihood -144.4248 Hannan-Quinn criter. 4.032086
F-statistic 9.741240 Durbin-Watson stat 2.045019
Prob(F-statistic) 0.000000 Inverted AR Roots .49+.86i .49-.86i
60
Inverted MA Roots .49+.85i .49-.85i -.21
2. Jumlah Uang Beredar
Dependent Variable: JUB
Method: Least Squares
Date: 09/26/17 Time: 10:08
Sample (adjusted): 2011M02 2017M06
Included observations: 77 after adjustments
Convergence achieved after 10 iterations
MA Backcast: 2010M12 2011M01 Variable Coefficient Std. Error t-Statistic Prob. C 15.27059 1.527827 9.994976 0.0000
AR(1) 0.993539 0.006219 159.7496 0.0000
MA(1) -0.246994 0.111965 -2.205990 0.0305
MA(2) -0.399504 0.112288 -3.557845 0.0007 R-squared 0.984097 Mean dependent var 13.70078
Adjusted R-squared 0.983444 S.D. dependent var 0.208253
S.E. of regression 0.026796 Akaike info criterion -4.350569
Sum squared resid 0.052416 Schwarz criterion -4.228813
Log likelihood 171.4969 Hannan-Quinn criter. -4.301868
F-statistic 1505.808 Durbin-Watson stat 1.904794
Prob(F-statistic) 0.000000 Inverted AR Roots .99
Inverted MA Roots .77 -.52
3. Impor Bahan Makanan
Dependent Variable: IMPOR
Method: Least Squares
Date: 09/26/17 Time: 12:19
Sample (adjusted): 2011M03 2017M06
Included observations: 76 after adjustments
Convergence achieved after 59 iterations
MA Backcast: 2010M12 2011M02 Variable Coefficient Std. Error t-Statistic Prob. C 25.95075 0.023452 1106.545 0.0000
AR(1) 0.807828 0.138290 5.841542 0.0000
AR(2) 0.039935 0.151323 0.263905 0.7926
MA(1) -0.341167 0.045231 -7.542783 0.0000
MA(2) 0.311989 0.044499 7.011155 0.0000
MA(3) -0.907641 0.036570 -24.81940 0.0000 R-squared 0.322001 Mean dependent var 25.90995
Adjusted R-squared 0.273572 S.D. dependent var 0.237917
S.E. of regression 0.202779 Akaike info criterion -0.277747
Sum squared resid 2.878341 Schwarz criterion -0.093742
61
Log likelihood 16.55440 Hannan-Quinn criter. -0.204210
F-statistic 6.648984 Durbin-Watson stat 1.818203
Prob(F-statistic) 0.000041 Inverted AR Roots .85 -.05
Inverted MA Roots .98 -.32+.91i -.32-.91i
4. Jumlah Penduduk
Dependent Variable: JP
Method: Least Squares
Date: 09/26/17 Time: 10:09
Sample (adjusted): 2011M03 2017M06
Included observations: 76 after adjustments
Convergence achieved after 241 iterations
MA Backcast: 2011M02 Variable Coefficient Std. Error t-Statistic Prob. C -32.38809 2249.843 -0.014396 0.9886
AR(1) 0.548798 0.138057 3.975144 0.0002
AR(2) 0.451230 0.138194 3.265185 0.0017
MA(1) -0.703163 0.103431 -6.798346 0.0000 R-squared 0.999076 Mean dependent var 13.46013
Adjusted R-squared 0.999037 S.D. dependent var 0.019758
S.E. of regression 0.000613 Akaike info criterion -11.90514
Sum squared resid 2.71E-05 Schwarz criterion -11.78247
Log likelihood 456.3952 Hannan-Quinn criter. -11.85611
F-statistic 25947.06 Durbin-Watson stat 1.696686
Prob(F-statistic) 0.000000 Inverted AR Roots 1.00 -.45
Estimated AR process is nonstationary
Inverted MA Roots .70
Lampiran 4. Uji Efek ARCH
1. Volatile foods
Heteroskedasticity Test: ARCH F-statistic 9.876617 Prob. F(1,73) 0.0024
Obs*R-squared 8.937940 Prob. Chi-Square(1) 0.0028
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/17 Time: 12:33
62
Sample (adjusted): 2011M04 2017M06
Included observations: 75 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 1.773256 0.650638 2.725412 0.0080
RESID^2(-1) 0.345836 0.110044 3.142709 0.0024 R-squared 0.119173 Mean dependent var 2.729183
Adjusted R-squared 0.107106 S.D. dependent var 5.271315
S.E. of regression 4.981026 Akaike info criterion 6.075454
Sum squared resid 1811.176 Schwarz criterion 6.137253
Log likelihood -225.8295 Hannan-Quinn criter. 6.100130
F-statistic 9.876617 Durbin-Watson stat 1.814327
Prob(F-statistic) 0.002419
2. Jumlah Uang Beredar
Heteroskedasticity Test: ARCH F-statistic 0.015608 Prob. F(1,74) 0.9009
Obs*R-squared 0.016027 Prob. Chi-Square(1) 0.8993
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/17 Time: 12:49
Sample (adjusted): 2011M03 2017M06
Included observations: 76 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 0.000665 0.000134 4.969376 0.0000
RESID^2(-1) 0.015106 0.120909 0.124934 0.9009 R-squared 0.000211 Mean dependent var 0.000674
Adjusted R-squared -0.013300 S.D. dependent var 0.000937
S.E. of regression 0.000943 Akaike info criterion -11.06952
Sum squared resid 6.58E-05 Schwarz criterion -11.00818
Log likelihood 422.6417 Hannan-Quinn criter. -11.04501
F-statistic 0.015608 Durbin-Watson stat 1.912334
Prob(F-statistic) 0.900915
3. Impor Bahan Makanan
Heteroskedasticity Test: ARCH F-statistic 0.000176 Prob. F(1,73) 0.9895
Obs*R-squared 0.000181 Prob. Chi-Square(1) 0.9893
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
63
Date: 09/26/17 Time: 12:49
Sample (adjusted): 2011M04 2017M06
Included observations: 75 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 0.038325 0.022172 1.728576 0.0881
RESID^2(-1) 0.001633 0.123097 0.013265 0.9895 R-squared 0.000002 Mean dependent var 0.038376
Adjusted R-squared -0.013696 S.D. dependent var 0.187823
S.E. of regression 0.189105 Akaike info criterion -0.466729
Sum squared resid 2.610518 Schwarz criterion -0.404929
Log likelihood 19.50234 Hannan-Quinn criter. -0.442053
F-statistic 0.000176 Durbin-Watson stat 1.907145
Prob(F-statistic) 0.989453
4. Jumlah Penduduk
Heteroskedasticity Test: ARCH F-statistic 3.708479 Prob. F(1,73) 0.0580
Obs*R-squared 3.625883 Prob. Chi-Square(1) 0.0569
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/17 Time: 12:47
Sample (adjusted): 2011M04 2017M06
Included observations: 75 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 4.37E-07 6.30E-08 6.937319 0.0000
RESID^2(-1) -0.219377 0.113918 -1.925741 0.0580 R-squared 0.048345 Mean dependent var 3.59E-07
Adjusted R-squared 0.035309 S.D. dependent var 4.26E-07
S.E. of regression 4.18E-07 Akaike info criterion -26.51056
Sum squared resid 1.28E-11 Schwarz criterion -26.44876
Log likelihood 996.1461 Hannan-Quinn criter. -26.48589
F-statistic 3.708479 Durbin-Watson stat 2.039577
Prob(F-statistic) 0.058032
Lampiran 5. Uji ARCH-LM
64
Dependent Variable: VF
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 09/26/17 Time: 13:19
Sample (adjusted): 2011M03 2017M06
Included observations: 76 after adjustments
Failure to improve Likelihood after 131 iterations
MA Backcast: 2011M01 2011M02
Presample variance: backcast (parameter = 0.7)
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-2)^2 + C(9)*RESID(-3)^2
+ C(10)*RESID(-4)^2 + C(11)*RESID(-5)^2 + C(12)*RESID(-6)^2 Variable Coefficient Std. Error z-Statistic Prob. C 1.056356 0.122921 8.593782 0.0000
AR(1) 0.797352 0.404751 1.969981 0.0488
AR(2) -0.131738 0.386817 -0.340570 0.7334
MA(1) -0.663685 0.496474 -1.336796 0.1813
MA(2) -0.168234 0.486998 -0.345451 0.7298 Variance Equation C 3.497686 0.979802 3.569790 0.0004
RESID(-1)^2 0.248477 0.193384 1.284893 0.1988
RESID(-2)^2 -0.063884 0.204599 -0.312240 0.7549
RESID(-3)^2 -0.051376 0.080670 -0.636864 0.5242
RESID(-4)^2 -0.030583 0.046067 -0.663875 0.5068
RESID(-5)^2 -0.106806 0.051625 -2.068893 0.0386
RESID(-6)^2 -0.003259 0.136362 -0.023898 0.9809 R-squared 0.203884 Mean dependent var 0.956170
Adjusted R-squared 0.159033 S.D. dependent var 2.121427
S.E. of regression 1.945440 Akaike info criterion 4.260497
Sum squared resid 268.7162 Schwarz criterion 4.628508
Log likelihood -149.8989 Hannan-Quinn criter. 4.407572
Durbin-Watson stat 1.658626 Inverted AR Roots .56 .23
Inverted MA Roots .86 -.20
65
Lampiran 6. Uji ARCH-GARCH
Dependent Variable: VF
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 09/26/17 Time: 13:46
Sample: 2011M01 2017M06
Included observations: 78
Convergence achieved after 90 iterations
Presample variance: backcast (parameter = 0.7)
GARCH = C(5) + C(6)*GARCH(-1) + C(7)*GARCH(-2) Variable Coefficient Std. Error z-Statistic Prob. C 1620.803 7.056677 229.6836 0.0000
JUB 13.99498 0.853053 16.40577 0.0000
IMPOR 1.290452 0.433566 2.976368 0.0029
JP -137.0858 0.676001 -202.7894 0.0000 Variance Equation C 0.035810 0.012132 2.951780 0.0032
GARCH(-1) 1.980547 0.014115 140.3138 0.0000
GARCH(-2) -0.988674 0.013126 -75.32405 0.0000 R-squared 0.073402 Mean dependent var 0.919230
Adjusted R-squared 0.035838 S.D. dependent var 2.109191
S.E. of regression 2.071052 Akaike info criterion 4.335521
Sum squared resid 317.4049 Schwarz criterion 4.547020
Log likelihood -162.0853 Hannan-Quinn criter. 4.420188
Durbin-Watson stat 1.455899
66
Lampiran 7 : Biodata
BIODATA
Identitas Diri
Nama : Putri Rezky Indria
Tempat, Tanggal Lahir : Ujung Pandang, 22 Maret 1995
Jenis Kelamin : Perempuan
Alamat : JL. Bitoa Lama No. 105 Makassar
Nomor Hp : 082271608043
Alamat E-mail : [email protected]
Riwayat Pendidikan
1. SD Negeri Sudirman 1 Makassar Tahun 2001-2007
2. SMP Kartika Candra Kirana WRB 1 Makassar Tahun 2007-2010
3. SMK Negeri 07 Makassar Tahun 2010-2013
4. Fakultas Ekonomi dan Bisnis, UNHAS Tahun 2013-Sekarang
Pengalaman Organisasi
1. Anggota Departemen Riset dan Pengembangan Himpunan Mahasiswa
Jurusan Ilmu Ekonomi (HIMAJIE) FEB-Unhas periode 2016-2017
2. Anggota OSIS SMK Negeri 07 Makassar periode 2011-2012
Makassar, 14 November 2017
Putri Rezky indria